手机版
你好,游客 登录 注册
背景:
阅读新闻

Google使用机器学习识别侵扰式Android应用程序

[日期:2017-07-20] 来源:infoq.com  作者:Sergio De Simone ,译者 猫儿不熊 [字体: ]

Google安全工程师Martin Pelikan,Giles Hogben和Ulfar Erlingsson写到,Google使用聚类算法自动分析Android应用,并检测哪些应用可以被认为是侵扰式应用程序。

侵扰式应用程序需要用户授予比正常运行所需功能更多的权限。Google工程师解释说,例如着色书应用程序通常不需要访问地理位置数据。并非所有应用在实现其功能时都会用到的权限还包括访问个人数据,如摄像头、通讯录等。如果超出了必须的需求,要求更多的权限,这可能是一个潜在的有害因素,因为您不能真正了解这些数据被用来做什么。有害应用程序的常见行为的例子有:后门、间谍软件、数据收集,拒绝服务等,其他例子还有很多

Google跟踪检测侵扰式应用程序的方法是基于功能对等组(functional peer group)的概念,即一组共享类似功能的应用程序,应该需要一组类似的授权。一旦有了这些应用分组,就可以检测每个组中的异常应用程序,也就是需要比类似应用程序更多权限的应用程序。该方法需要监控Android Play商店,收集详细的统计信息和发掘用户期望,以便自动确定应用程序组。事实上,根据Google工程师的说法,固定分类和手工管理将是乏味且容易出错的。

为了使这种方法更有效,Google使用深度学习来识别应用分组,根据应用的元数据,这些应用会具有类似的特点,元数据会包括文本描述和安装指标。一旦定义了对等组,每个组内都将使用异常检测来识别异常应用程序,即显示所需权限与其功能之间不匹配的应用程序。然后再检查异常应用程序,以确定哪些应用程序实际上是侵扰性的。该信息还用于确定哪些应用程序应该被升级,以及与潜在的侵扰性应用程序的开发人员联系,并帮助他们提高应用程序的隐私和安全。

查看英文原文Google Uses Machine Learning to Identify Intrusive Android Apps

本文永久更新链接地址http://www.linuxidc.com/Linux/2017-07/145812.htm

linux
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数

       

评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款