面向Android平臺權(quán)限提升攻擊防護(hù)方法的研究.pdf

1、Android系統(tǒng)以其開源的特點(diǎn)，很快成為市場占有率最高的智能手機(jī)操作平臺，同時(shí)也引來了惡意攻擊者的關(guān)注，安全問題日益突出。因此，針對Android系統(tǒng)惡意行為檢測與安全防護(hù)方法的研究具有十分重要的現(xiàn)實(shí)意義。在傳統(tǒng)的安全防護(hù)方法中，只針對形式上的單個(gè)應(yīng)用程序加以防護(hù)，不能對邏輯上的惡意應(yīng)用有良好的防護(hù)效果，如權(quán)限提升攻擊。
　　針對目前Android安全防護(hù)方法研究現(xiàn)狀，本文將攻擊圖模型引入到Android安全防護(hù)方法中，結(jié)合權(quán)限

2、提升攻擊的原理，構(gòu)建提權(quán)攻擊圖。利用提權(quán)攻擊圖，直觀的展現(xiàn)了各Android應(yīng)用中風(fēng)險(xiǎn)組件之間潛在的調(diào)用關(guān)系。通過PageRank算法量化每個(gè)節(jié)點(diǎn)所具有的風(fēng)險(xiǎn)值，并對PageRank算法進(jìn)行了改進(jìn)，提出了一種基于多路徑和敏感權(quán)限的改進(jìn)算法MPageRank。MPageRank對PageRank進(jìn)行了兩方面的改進(jìn):(1)結(jié)合權(quán)限提升攻擊中，通常采用多條路徑發(fā)起攻擊的實(shí)際情況，提出基于多路徑的改進(jìn)算法GPageRank。與均勻分配權(quán)值的Pa

3、geRank算法相比，GPageRank算法根據(jù)節(jié)點(diǎn)的出度，非分均勻的獲得不同比重的權(quán)值，使得提權(quán)攻擊圖中節(jié)點(diǎn)風(fēng)險(xiǎn)值的分配更具有針對性。(2)在GPageRank算法的基礎(chǔ)上，根據(jù)擴(kuò)展的權(quán)限中，權(quán)限敏感程度的不同，提出了基于多路徑和敏感權(quán)限的改進(jìn)算法MPageRank。在MPageRank算法中通過為不同級別的權(quán)限賦予不同的敏感值，減少了不敏感的權(quán)限對風(fēng)險(xiǎn)值計(jì)算的干擾，進(jìn)一步提高了風(fēng)險(xiǎn)值的準(zhǔn)確性和可信性。同時(shí)，將提權(quán)攻擊圖作為Andro

4、id權(quán)限提升攻擊防護(hù)模型的核心，設(shè)計(jì)安全防護(hù)模型。通過計(jì)算組件之間調(diào)用序列的風(fēng)險(xiǎn)值，對具有較高風(fēng)險(xiǎn)的調(diào)用序列進(jìn)行攔截。
　　最后，本文通過Genymotion Android虛擬機(jī)設(shè)備，驗(yàn)證了安全防護(hù)模型的有效性，并以正確率、誤報(bào)率和漏報(bào)率作為評價(jià)標(biāo)準(zhǔn)，對PageRank、GPageRank和MPageRank三個(gè)算法進(jìn)行性能測試。實(shí)驗(yàn)結(jié)果表明，通過MPageRank計(jì)算提權(quán)攻擊圖中節(jié)點(diǎn)的風(fēng)險(xiǎn)值，在正確率、誤報(bào)率和漏報(bào)率三個(gè)方面都