RacketStore：通过移动端与应用使用行为对Google Play中ASO欺诈的实测研究
密码学与安全
2021-11-23 v1 计算机与社会
社会与信息网络
摘要
为付费应用开发者提供批量安装与虚假评论以在应用商店中欺诈性提升搜索排名的在线应用搜索优化（ASO）平台，被证实采用了多样且复杂的策略，成功规避了最先进的检测方法。本文介绍RacketStore，一个从参与ASO提供商与普通用户的Android设备上收集其与从Google Play商店安装的应用交互数据的平台。我们呈现了一项针对803台由ASO提供商与普通用户控制的唯一设备上943次RacketStore安装的实测结果，包含从这些设备收集的58,362,249个数据快照、其上安装的12,341个应用及其110,511,637条Google Play评论。我们揭示了ASO提供商与普通用户在设备注册的用户账户数量与类型、评论应用数量，以及应用安装时间与评论时间之间的间隔方面的显著差异。我们利用这些洞察引入刻画应用与设备使用行为的特征，并表明它们能够训练监督学习算法以99.72%的F1值（AUC高于0.99）检测付费安装与虚假评论，并以95.29%的F1值（AUC = 0.95）检测由ASO提供商控制的设备。我们讨论了规避我们分类器检测的成本，以及应用商店利用我们的方法在保护隐私前提下检测ASO作业的可能性。
引用
@article{arxiv.2111.10400,
title = {RacketStore: Measurements of ASO Deception in Google Play via Mobile and App Usage},
author = {Nestor Hernandez and Ruben Recabarren and Bogdan Carbunar and Syed Ishtiaque Ahmed},
journal= {arXiv preprint arXiv:2111.10400},
year = {2021}
}