一种自动高效的高风险移动应用程序检测方法技术

本发明专利技术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。本发明专利技术采用以静态分析、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。得自动高效识别。得自动高效识别。

【技术实现步骤摘要】
一种自动高效的高风险移动应用程序检测方法


[0001]本专利技术涉及信息安全领域，尤其涉及一种自动高效的高风险移动应用程序检测方法。

技术介绍

[0002]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。
[0003]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，依赖于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动高效的高风险移动应用程序检测方法，其特征在于，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的列表向量与高风险App库中的已知高风险App的列表向量的相似度，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”，标记为高风险App，添加至高风险App库中。2.根据权利要求1所述的自动高效的高风险移动应用程序检测方法，其特征在于，所述步骤S1中获取待测App的SDK列表是基于包结构逆推法和/或机器学习法；所述基于包结构逆推法，是利用第三方SDK的包结构之间的差异性，根据APK中Java代码的包结构逆推出其使用的SDK列表；所述基于机器学习法，是指通过对apk文件进行反编译获取Smal i中间代码，获取Smal i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。3.根据权利要求2所述的自动高效的高风险移动应用程序检测方法，其特征在于，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。4.根据权利要求1所述的自动高效的高风险移动应用程序检测方法，其特征在于，所述步骤S1中获取权限列表是利用静态声明文件和/或动态声明；所述利用静态声明文件获取权限列表，是对APK文件进行反编译处理，解析出其中包含的静态声明文件，获取其中包含的权限列表；所述利用动态声明获得权限列表，是指通过对APK文件...

【专利技术属性】
技术研发人员：李鹏霄，王海洋，项菲，翟羽佳，王红兵，时磊，佟玲玲，赵媛，隋明爽，李真，张旋，李雪梅，王丽萍，徐健，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：