面向移动应用的恶意代码自动化检测方法研究

At current, research on efficient, effective and automatic code security detection for mobile application is heavily required. Systematic methodology research on mobile malware modeling and its automatic detection is not only an important topic in dependable software domain, but also a compromising project for secure mobile software development. In this proposal, a multi-techniques involved static detection methodology is introduced which can be utilized to identify,verify and test mobile malware automatically and effectively. Taking Android as the research target system, a large amount of APKs are firstly analyzed statically for code abstract model extraction. And then an advanced feature model is proposed for mobile malware based on the knowledge of Android security domain.A systematic framework for the automatic detection,verification and test of mobile malware is finally proposed: The malware can be firstly identified by machine learning using the code abstraction. The malware behavior can then be verified automatically by model checking using formal specification of malware behavoir characteristic.Depending on the counter-example of verification, the automated testing by symbolic execution technique can finally be proposed to generate test case for mobile malware.

目前，针对移动应用现状，快速、高效、自动的代码安全检测技术研究亟待突破。系统地开展移动应用恶意代码的自动化检测相关理论与方法研究，既是信息安全领域的一项基础性衍生课题，也是移动应用软件开发安全保障的前瞻性课题，兼具学术研究价值和技术应用前景。本项目研究提出一种融合多种静态检测方法与技术、可高效识别并能自动验证和测试移动应用恶意代码的系统方法。项目以Android系统为研究对象，首先对Android移动应用代码（APK程序）进行静态程序分析，提取代码抽象数据模型，再基于Android安全领域知识，研究建立多维度多类别的移动恶意代码特征模型，在此模型的支持下研究实现针对移动恶意代码的自动化检测、验证与测试系统框架，即首先基于代码抽象结构，采用机器学习模型智能识别出恶意代码，再为应用代码抽象和恶意代码行为特征分别建立形式化描述模型，最后研究模型检验算法实现恶意行为的自动验证。

目前，针对移动应用现状，快速、高效、自动的代码安全检测技术研究亟待突破。系统地开展移动应用恶意代码的自动化检测相关理论与方法研究，既是信息安全领域的一项基础性衍生课题，也是移动应用软件开发安全保障的前瞻性课题，兼具学术研究价值和技术应用前景。本项目研究提出一种融合多种静态检测方法与技术、可高效识别并能自动验证和测试移动应用恶意代码的系统方法。项目以Android系统为研究对象，首先对Android移动应用代码（APK程序）进行静态程序分析，提取代码抽象数据模型，再基于Android安全领域知识，研究建立多维度多类别的移动恶意代码特征模型，在此模型的支持下研究实现针对移动恶意代码的自动化检测、验证与测试系统框架，即首先基于代码抽象结构，采用机器学习模型智能识别出恶意代码，再为应用代码抽象和恶意代码行为特征分别建立形式化描述模型，最后研究模型检验算法实现恶意行为的自动验证。.经过研究，本项目取得了如下成果：1) 在移动恶意代码特征模型方面，提出了基于字节码图像转换的恶意代码特征模型、基于N-Gram操作码序列的恶意代码特征模型、以及面向移动设备的语义化序列模式特征挖掘方法。2) 在移动恶意代码自动化检测方面，提出了基于恶意代码特征的恶意软件检测框架、基于恶意代码特征的恶意应用分类框架、以及恶意代码流量检测框架。3) 在移动恶意代码形式化模型方面，提出了基于精化概念的恶意行为模型检验方法、基于攻击图的恶意行为即时验证方法、以及基于恶意代码状态自动机的上下文聚合框架。