清华大学科技成果——移动互联网Android应用恶意行为自动化检测系统.pdfVIP

清华大学科技成果——移动互联网Android应用恶意

行为自动化检测系统

成果简介

移动互联网将移动通信和互联网二者结合起来，成为当今世界发

展最快、市场潜力最大、前景最诱人产业发展方向。最新数据统计，

中国移动互联网用户已达到4.64亿。各大应用市场如GooglePlay有

百万种应用，国内机锋市场、天翼等平台也具有大量的安卓应用。这

些应用在给人们带来巨大便利的同时，也带来巨大的信息安全隐患和

风险，据统计超过九成的应用软件涉嫌窃取用户隐私、恶意扣费、恶

意推广、恶意捆绑植入病毒/木马等恶意行为。这些恶意行为不仅给

用户带来经济损失，甚至涉及人身安全问题。因此迫切需要快速、准

确地自动化检测如此庞大的应用程序的恶意行为。

传统手机杀毒软件基于PC时代检测特征序列的方式识别恶意软

件/恶意行为，虽然这种方式高效、易于同步检测，但是存在只能查

杀已知威胁、反馈周期长、易于绕过等诸多问题。为了解决上述问题，

我们设计并实现一个Android应用恶意行为自动化检测系统。本系统

提供一个基于行为查杀的完整解决方案，可服务于第三方管控部门、

高级大型企业（如电信运营商）、Android工程师与普通用户等三大类

用户。

本系统结合静态分析、动态追踪、网络流量定位三种方法实现“数

据流、控制流、网络流”三流融合分析技术，可提供自动化应用软件

爬取、自动化检测分析、自动化特征库更新、自动化恶意行为挖掘、

恶意攻击训练、证据留存等多项服务，达到爬取自动化、处理高效化、

分析智能化、信息安全化的设计目标。

系统特点

全平台部署更实用：跨平台语言设计，多重角度防护，可部署于

WindowsXP/WIN7/WIN8以及Linux主流版本。

自学习、更新更方便：应用图论分析技术、自动化行为特征挖掘

等技术，挖掘具有通用性的恶意行为链，无需频繁升级模型库。

智能网络爬虫更高效：针对第三方监控需求，本系统提供自动化

网络爬取功能，可实现最优监控部署、最优更新策略。

“3x3”立体更高维：“静态分析、动态追踪、网络流量三维度”，

“数据流、控制流、网流”三层面，智能立体分析模式，无懈可击的

安全检测。

11类41种恶意行为检测更全面：可有效对隐私窃取、系统破坏、

信息破坏等41种恶意行为检测。

层级分析更迅速：系统依据层级分析结构，快速定位，快速甄别，

快速分析。

“三流融合”更细致：本系统结合底层APIHOOK、动态污染分析、

静态行为链识别、网络流量检测等方式，可分析恶意软件的函数调用

关系、数据传播定位、恶意行为网络数据包。

恶意特征自动统计挖掘更可靠：特征自动挖掘更节省人力与计算

资源，标准处理流程无死角分析。

恶意攻击模拟更实战：对官方发布系统与软件攻击模拟，自动化

挖掘存在漏洞和风险。

分析数据更可观：行为统计、时间轴建模、应用权限分析、敏感

函数展示、敏感数据分析、行为记录、运行截图等多项数据展示，并

支持数据导出功能。

测试项目更全面：课题组具有大量软件自动化测试经验，可支持

适配测试、功能测试、可靠性测试、安全性测试、环境测试、安全测

试需求。

性能参数

准确性高，超过97%的正确识别率；

完成一次普通测试任务不足30分钟，测量时间短，重现性好。

应用说明

本系统针对Android工程师与普通用户提供自动化恶意行为检测

服务，在此基础上，针对高级大型企业本系统提供STAX分布式测试

服务，以满足适配性测试、功能性验证测试、可靠测试、安全性测试、

环境测试、安全测试、交互测试、认证测试需求，可极大减少测试周

期，针对第三方管控部门特殊需求将额外提供自动化应用软件爬取服

务与证据留存服务。

课题组2013年1月至今，与成都信息安全产业基地合作，为中

国联通研发移动互联网应用程序自动化检测系统。除此之外对Google

Play、机锋市场等平台爬取数十万Android应用软件，并实施自动化

检测分析，结果表明本系统的识别率超过97%。

效益分析

目前国内外针对Android平台应用检测大部分需要人工参与，一

方面需要耗费大量人力资源，另一方面人工易疲劳出错，因此迫切需

要快速、准确自动化检测系统，本系统具有较大的推广空间。对于需

要人工参与的测试方案，