利用混合测试输入生成改进 Android 应用的动态分析

Android 操作系统已成为最受欢迎的移动操作系统，导致 Android 恶意软件的传播显著增加。因此，已开发出多种静态和动态分析系统来检测 Android 恶意软件。在动态分析中，需要高效的测试输入生成以触发潜在的运行时恶意行为。大多数现有的动态分析系统采用基于随机的输入生成方法，通常使用 Android Monkey 工具构建。基于随机的输入生成存在若干缺点，包括代码覆盖率有限，这促使我们探索将其与基于状态的方法相结合以提高效率。因此，在本文中，我们提出了一种新颖的混合测试输入生成方法，旨在改进真实设备上的动态分析。我们通过将基于随机的工具（Monkey）与基于状态的工具（DroidBot）集成来实现该混合系统，以提高代码覆盖率并潜在地发现更多恶意行为。使用来自 Android 恶意软件基因组项目的包含 1222 个良性样本和 1222 个恶意软件样本的 2,444 个 Android 应用对该系统进行了评估。研究了三种场景，即仅随机、仅基于状态以及我们提出的混合方法，以比较评估它们的性能。我们的研究表明，与基于状态和常用的随机测试输入生成方法相比，混合方法显著增加了从良性和恶意软件样本中提取的动态特征数量。