Android设备中基于流量特征的隐私泄露评估方案.docx
版权申诉
159 浏览量
2022-05-31
12:32:28
上传
评论
收藏 185KB DOCX 举报
1 引言
过去的 15 年内，智能手机的保有量呈现出爆炸式的增长态势，截至 2019
年 6 月，Android 以 79.90%的市场占有率成为中国移动终端操作系统市场的“领
头羊”。为了满足用户的个性化需求，各类 App 层出不穷，其中免费 App 更是
成为热门需求。Google Play 中提供多达 55 类 App，内容涵盖教育、生活、娱
乐、健康等诸多方面，已经成为人们生活中不可或缺的一部分。
然而，在满足用户日常教育、生活、娱乐等需求的同时，用户隐私泄露问
题日益突出
[1
]
。基于权限管理的 Android 操作系统隐私泄露问题逐渐暴露，一些
免费 App 的开发商更是通过在 App 中植入非主业务第三方库的手段获取用户隐
私信息从而谋取利润，从用户的角度考虑，用隐私信息交换 App 服务是不可接
受的。近年来，App 盗用隐私信息造成用户生命财产安全受损的事件屡见不鲜。
已有研究成果表明
[2
,3
,4
,5
,6
,7
]
，大量 App 在运行时存在第三方域名收集用户隐
私信息的行为。为此，许多研究
[7
,8
,9
,10
,11
,12
]
提出了相应的解决方案，解决这类问题
的方法基本可以归纳为 2 类：1) 静态解析，通过反编译代码分析 App 结构、权
限等特征检测恶意应用程序或收集用户隐私信息的第三方库，基于分组的依赖
关系
[8
]
和敏感应用程序接口（ API,application program interface ）调用统计特
征
[9
]
的方法是静态检测的流行做法；2) 动态解析，通过捕获 App 运行行为特征
达到检测目的，基于第三方域名特征
[10
]
和通信流量特征
[11
]
是动态检测方案的有效
手段。然而，已有的研究方案大都存在以下几个问题： 1) 随着 App 的升级更新，
新型恶意应用程序和非主业务第三方库不断涌现，传统检测方案效果和效率逐
渐变差；2) App 中的第三方库检测和恶意应用程序检测无法得知用户的隐私信
息发送给哪些第三方；3) App 级别的粗粒度检测方案不能满足检测 App 的每个
数据分组泄露用户隐私信息的问题。
为了解决上述问题，本文提出了一种基于词频-逆文本频率（TF-IDF,term
frequency-inverse document frequency）模型和层次聚类方法的隐私泄露评估
方案 HostRisk。该方案通过捕获用户移动设备端中 App 的网络流量特征，基于
TF-IDF 模型计算 App 内域名的业务相关性，同时基于平均连接的凝聚型层次聚
类方法优化未能表现出主业务相关性行为特征的 App 主业务域名的业务相关性
得分，并根据 App 内的域名业务相关性排名表计算域名的隐私泄露程度，通过
加权平均的方式评估 App 泄露用户隐私的风险。基于 TF-IDF 模型的业务相关
性计算方法会根据域名的行为特征计算域名业务相关性，但存在部分主业务域
名未能表现出与其相关的行为特征，例如与 App 不频繁交互的主业务域名，单
独考虑行为特征并不能充分表现其业务相关的属性，进而使用基于平均连接的
凝聚型层次聚类方法进行调整和优化。App 中的域名隐私泄露风险评估是隐私
保护的前提，通过评估的结果实现不同程度隐私泄露风险域名的访问控制，从
而达到用户隐私保护的目的。
本 文 以 Android 平 台 为 例 ， 实 现 了 基 于 虚 拟 专 用 网 络 服 务 （ VPN
Service,virtual private network service ）框架的 App 流量抓取 HostRisk 客户
端和后台服务器，通过实验验证了该方法的有效性。本文的主要贡献如下。
1) 提出一种基于 TF-IDF 模型和层次聚类方法的隐私泄露评估的方案，通过
域名的行为特征等考虑其危害程度。
2) 基于 Android 4.0 版本及其更高版本提供的 VPN Service 框架，实现了
用户移动智能终端 App 流量特征提取客户端。
剩余14页未读，继续阅读
罗伯特之技术屋
- 粉丝: 4037
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
相关推荐
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0
最新资源