$\mu$Dep：基于变异的依赖生成用于 Android 原生代码精确污点分析
密码学与安全
2022-03-01 v2
摘要
Android 应用中原生代码的存在在触发秘密的隐蔽传播和规避恶意软件检测方面起着重要作用。然而，最先进的 Android 应用信息流分析工具分析原生代码的能力均有限。由于二进制级静态分析的复杂性，大多数静态分析器选择为选定部分的原生代码构建保守模型。尽管近期的跨语言分析提升了追踪原生代码中信息流的能力，但距离达到聚焦于非原生 Java 方法的最先进信息流分析器的类似有效性仍相去甚远。为克服上述限制，我们提出一个新分析框架 Dep，用于检测含原生代码的 Android 应用的敏感信息流。在该框架中，我们将基于控制流的静态二进制分析与基于变异的动态分析相结合，以建模应用中原生代码的污点行为。基于分析结果，Dep 对相关原生函数进行桩生成，以借助原生代码的细粒度污点行为摘要赋能最先进的分析器 DroidSafe。实验结果表明，与最先进的跨语言静态分析相比，我们的框架在准确性上具有竞争力，并在分析真实应用和恶意软件中的信息流方面有效。
引用
@article{arxiv.2112.06702,
title = {$\mu$Dep: Mutation-based Dependency Generation for Precise Taint Analysis on Android Native Code},
author = {Cong Sun and Yuwan Ma and Dongrui Zeng and Gang Tan and Siqi Ma and Yafei Wu},
journal= {arXiv preprint arXiv:2112.06702},
year = {2022}
}