CAPI溯源与图时序增强的安卓恶意应用涉案行为分析

摘要

近年来，利用安卓恶意应用实施的新型网络犯罪呈上升态势，现有方法在恶意应用行为解析的全面性、准确性及隐藏行为检出等方面存在不足，无法满足新型涉网案件快速侦办、有效打击的实战需求.基于此，提出一种新型安卓恶意应用行为细粒度解析框架：首先反编译安卓应用程序，以函数调用图(Function Call Graph, FCG)为基准，结合卷积神经网络中间层特征抽象与SHAP可解释机制(SHapley Additive exPlanations, SHAP)协同建模，溯源构建可疑API库(Critical Suspicious API Repository, CAPI);其次，基于CAPI拓扑剪枝FCG,融合控制流图(Control Flow Graph, CFG)的时序特征构建时空耦合的行为子图；最后建立API-Java语义映射库，通过宏观API调用链与微观Java语义的双维度分析实现行为细粒度解析与隐藏行为提取，生成可解释的自然语义涉案行为链.实验结果表明，该方法在安卓恶意应用行为解析的全面性、准确性及隐藏行为识别上均有提升，具备公安实践应用价值.

关键词

安卓恶意应用 / CAPI溯源 / 图时序增强 / 子图补全 / 行为识别