基于机器学习的Android混合应用代码注入攻击漏洞检测

作者：王旭阳; 秦玉海^*; 任思远

来源：信息安全研究, 2023, 9(10): 940-946.

• 机器学习
• Android混合应用
• 代码注入攻击
• API
• 漏洞检测

Android混合应用具有良好的跨平台移植性，但其使用的WebView组件中的HTML和JavaScript代码能够通过内部或外部通道调用数据来访问相关资源，从而产生代码注入攻击漏洞.针对这个问题，提出一种基于机器学习的Android混合应用代码注入攻击漏洞检测方法.首先，通过反编译Android混合应用，将其进行代码分片；然后，提取出与Android混合应用申请的敏感权限和能够触发数据中恶意代码的API,组合起来生成特征向量；最后，构建多种机器学习模型进行训练和分类预测.实验结果表明，随机森林模型的识别准确率较高，能够提高Android混合应用代码注入攻击漏洞检测的准确性.

• 单位
  中国刑事警察学院