Proj CMI Paper Reading: Mining Apps for Abnormal Usage of Sensitive Data

Abstract

背景：
前提：恶意应⽤程序对敏感数据的处理⽅式与良性应⽤程序不同
本文：
工具：MUDFLOW
研究：
数据集：从敏感来源挖掘了2,866 个良性 Android 应⽤程序
效果：

1. 对于每个敏感源，数据最终都会出现在少数典型的接收器
2. 这些接收器在良性和恶意应⽤程序之间存在很⼤差异，由于数据流异常，这些差异可⽤于标记恶意应⽤程序
3. 恶意应⽤程序可以仅通过其异常数据流来识别，⽽不需要已知的恶意软件样本
   实验：
   效果：原型正确识别了 86.4% 的所有新型恶意软件和 90.1% 的泄露敏感数据的新型恶意软件

标签：Mining,CMI,良性,Abnormal,恶意软件,程序,恶意,数据流,敏感数据
来源： https://www.cnblogs.com/xuesu/p/16336349.html