[发明专利]一种自动高效的高风险移动应用程序检测方法

说明书

本发明公开了一种自动高效的高风险移动应用程序检测方法，包括S1、获取待测App的SDK列表和权限列表，转化为向量形式，得到列表向量；计算待测App与已知的高风险App之间的相似度，判定为潜在风险App；S2、动态分析进一步判定是否为高风险App，若判定为“是”，将其标记为高风险App；S3、人工审核判定是否是高风险App，若“是”，添加至高风险App库，标记为高风险App。本发明采用以静态分析、动态分析为主，辅助以人工审核的方式，避免了人工审核存在的效率低、成本高、准确率低等问题，实现了高风险App得自动高效识别。

技术领域

本发明涉及信息安全领域，尤其涉及一种自动高效的高风险移动应用程序检测方法。

背景技术

根据工信部发布的统计数据，截止到2020年6月末，我国国内市场上监测到的移动应用程序(以下称“App”)数量为359万款，通过手机获取信息是大多数人的选择。但在众多App中还存在着很多潜在的风险，比如App应用开发没有统一的标准，后台数据交互方式不一致，且开发人员水平不一，质量参差不齐，这些情况都容易出现安全隐患。在某些App中包含恶意代码，在用户无法察觉的情况下，执行特定的恶意行为。因此，对于高风险的App的检测和发现具有重要的意义。

目前对于高风险的App的检测主要采用人工审核的方式，一方面在使用过程中发现该App是否存在高风险业务的情况，另一方面通过分析该App运行过程中请求的网址域名是否为已知的恶意网址域名来进行判断。人工审核的方式比较耗费时间，难以及时审核海量新出现的App，包括已有的App更新的新版本，而且很多App中恶意程序的隐蔽性很高；通过域名判断，依赖于对该App的使用是否完全以获取完备的请求域名，以及恶意网址域名库是否完备、更新是否及时等，容易漏检。两种审核方式存在耗时及准确率低的问题。

发明内容

针对现有技术中存在的问题，本发明提供了一种自动高效的高风险移动应用程序检测方法。

本发明解决现有技术问题的技术方案如下：

一种自动高效的高风险移动应用程序检测方法，包括以下步骤：

S1、潜在高风险App获取：获取待测App的SDK列表和权限列表，转化为向量形式，得到列表向量；计算待测App的列表向量与已知的高风险App的列表向量之间的相似度，若大于设定的风险阈值，则判定为潜在风险App，否则执行步骤S3；

S2、动态分析进一步判定是否为高风险App，若判定为“是”，将其标记为高风险App，添加至高风险App库中，否则执行步骤S3；

S3、人工审核判定是否是高风险App，若“是”，添加至高风险App库，标记为高风险App。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述步骤S1中获取待测App的SDK列表包括两种方式：基于包结构逆推和基于机器学习；

所述基于包结构逆推SDK列表，对SDK及其对应的包结构进行整理后，是利用第三方SDK的包结构之间的差异性，对APK文件的反编译结果进行比对，根据APK中Java代码的包结构逆推出其使用的SDK列表；对SDK及其对应的包结构进行整理包括删除无用的或者APK本身的包名；

所述基于机器学习的SDK列表获取方法，是指反编译获取其Smali中间代码，获取Smali中间代码中的目录特征后进行one-hot特征表示，并进行聚类，获取SDK列表；

所述目录特征包括从静态反编译的源码中获取的权限关键词、受权限保护的系统API代码以及受权限保护的ContentProvider URL字符串。