基于系统性变异的 Android 安全导向静态分析技术健全性评估

过去十年中，移动应用安全一直是安全研究的重点区域。针对恶意、好奇或存在漏洞的应用，已提出众多应用分析工具。然而，现有工具，特别是静态分析工具，以分析的健全性换取精度与性能，因此是 soundy 的。不幸的是，这些工具设计中具体的非健全选择或缺陷通常不为人知或缺乏良好记录，导致研究者、开发者与用户产生错位的信心。本文描述了基于变异的健全性评估（μSE）框架，其通过利用根基扎实的变异分析实践，系统性地评估 Android 静态分析工具以发现、记录并修复缺陷。我们实现了 μSE 并将其应用于一组检测应用中私有数据泄漏的知名 Android 静态分析工具。在先前进行的一项研究中，我们使用 μSE 在 FlowDroid（最知名的 Android 应用数据泄漏检测器之一）中发现了 13 个此前未记录的缺陷。此外，我们发现缺陷也传播到了其他基于 FlowDroid 或其组件的设计或实现构建的工具上。本文大幅扩展了我们的 μSE 框架，并对我们 2020 年研究中另外两个主要工具提供了新的深入分析，我们发现 12 个新的、未记录的缺陷，并证明全部 25 个缺陷在多个工具中均存在，无论工具间是否存在任何继承关系。我们的结果说明了在 soundy 工具中系统性发现与记录非健全选择的必要性，并展示了在实现该目标中利用变异测试的机会。