Android App Protection through Anti-tampering and Anti-debugging Techniques
Notice bibliographique
Résumé
Android devices remain an attractive mobile malware target in recent years. Android applications (or simply apps) in the device are vulnerable to different attacks which can tamper with the execution of an app to change app behavior so that it performs harm to users or can debug an app to steal private data (source code, user data and behavior). Android app protection is necessary to defend app behavior integrity and protect app privacy. The app cache, where the app actually runs, is vulnerable to being tampered with. Cache tampering allows for the same behavioral changes as piggybacking. Piggybacking an app is to repackage an legitimate app with extra code that can perform malicious acts after installation, such as stealing user sensitive data or displaying unsolicited advertisements. The cache loading process of Android Runtime (ART) can be exploited by cache tampering attacks without rebooting the device. Security-Enhanced Linux (SELinux) full enforcement has been deployed in the Android platform since Android 5, which enhances the security of Android platform and decreases the security concerns apps should take care of at the same time. Therefore, apps are vulnerable to being debugged in an insecure Android environment such as an emulator or a device with a rooted Android ROM. We present a comprehensive app protection approach using anti-tampering and anti-debugging techniques. We implement separate solutions in terms of two protections against tampering and debugging. We maintain the integrity of app cache and implement a lightweight cache protection solution for anti-tampering. We collect debugging points of ART and protect them at runtime from being tampered with. Our solution can be deployed easily across different Android ART-based platforms with little effort. App developers are able to use our techniques to protect their apps.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».