KY开元·(中国)集团

APP隐私泄露风险评估与保护方案

2025-09-30 00:41

  随着信息化服务的快速普及和移动互联网相 关技术的发展,智能设备的使用已经渗透人们的日

  常生活。用户在享受智能设备带来便捷服务的同 时,也承受着日益严峻的隐私信息泄露的风险[1]。据 调查,85.2%的受访者曾因使用 APP 导致个人隐私 信息泄露[2];Android 平台申请使用“读取通讯录”

  以上方案能准确识别出 APP 中包含的各种类 型的第三方服务库。 2.2 权限管理方案

  调查[13]指出,只有 17%的用户会留意权限的警 告。目前,已有大量的文献研究如何帮助用户管理 权限,这些文献[14~19]可以分为基于上下文环境的权 限管理和基于众包的权限管理这两类。

  决策授予/撤销位置权限。Tsai 等[15]使用机器学习的 方法,根据用户使用 APP 的反馈和运行的上下文环 境对 APP 的权限进行管理。

  2) 基于众包的权限管理 Agarwal 等[16]收集用户的权限设置,根据多数 人对权限授予/撤销的选择给出推荐结果。Liu 等[17]通 过分析用户对权限设置的记录,使用支持同量机算 法将用户分为若干类,然后根据分类推荐权限设 置。Liu 等[18]通过向用户提问的方式,找出对隐私 期望相近的用户,采用协同过滤算法推荐权限配 置。Rashidi 等[19]从收集的用户权限设置中寻找“专 家用户”,并根据“专家用户”的设置推荐权限配 置结果。 然而,上述权限管理方案都没有考虑第三方服 务商造成的隐私泄露。

  为解决上述问题,本文提出了一种系统整体的 隐私信息泄露风险评估及保护方案 PRAS (privacy risk assessing scheme)。该方案从隐私信息传播的广 度和深度构建模型来评估隐私泄露风险,最终给出 权限管理方案。其中,传播广度是指隐私信息传播 给了那些服务提供商,一个服务提供商可能从多个 APP 中获取隐私信息;传播深度是指用户隐私信息 泄露的程度,Android 设备中通过权限机制管理隐 私信息,本文以服务提供商获得的权限数量和其敏 感度来计算隐私信息泄露的深度。PRAS 中量化了 权限的敏感度,在量化过程中考虑权限组合对隐私 泄露风险带来的非线性影响。由于搭载 Android 系 统的智能设备数量巨大,且研究成果具有普遍性, 本文以 Android 系统为实现平台设计方案,验证了 所提方案的有效性。本文的主要贡献如下。

  1) 提出了一种新的隐私信息泄露风险评估模 型,该模型重点考虑了第三方服务提供商在用户不 知情的情况下获取隐私信息的情况。

  2) 基于恶意侵犯隐私的 APP 集合与正常 APP 集合之间申请权限的差异,量化了权限的敏感度,

  加入了权限组合对隐私泄露带来的非线) 均衡服务质量与隐私保护,建立了个性化最

  由于第三方服务库会被重用,可以通过提取代 码特征或比对代码的相似性来识别。在提取代码特 征的方案[6-11]中,Narayanan 等[6]和 Liu 等[7]对 APP 进行分析后,提取代码的特征训练识别器,特征如 所使用的 Android 组件、权限、API 等,利用机器 学习的方法识别广告库。广告库的特征明显,易于 区分。而其他类型的第三方服务库(例如社交网络、 游戏、地图等)则难于识别[10],利用聚类的方法, 可以将包含相同第三方服务库的 APP 聚集到相同 的簇中,对聚类结果进行分析就能识别宿主应用中 的第三方服务库。Crussell 等[8]和 Wang 等[9]通过提 取 APP 调用其他类库的代码特征,以大量的 APP 为基础,使用聚类算法识别第三方服务库。Ma 等[10] 和 Li 等[11]在前人的基础上[9],提出了多层级聚类的 概念。例如“a/b/c”“a/b/d”和“a/b/e”这 3 个模 块,根据模块之江南JN体育间包含关系,将这 3 个模块聚集在 一簇中。在基于代码相似性的方案中,Backes 等[12] 提出基于相似度匹配的第三库检测方法,该方法将 APP 反编译后的代码按照方法、类和包的层级组织成 Merkle 树,树的叶子节点的值是方法的签名。在大规 模 APP 的对比中,匹配到散列值相同或者最相似的 模块即认为是同一个第三方服务库。

  (1. 中国科学院信息工程研究所,北京 100093;2. 中国科学院大学网络空间安全学院,北京 100049)

  优模型,提供了整体的权限管理方案,在保证服务 质量的同时,尽量降低ห้องสมุดไป่ตู้私信息泄露风险。

  Grace 等[4]利用白名单识别出 100 个广告库,白名单 机制虽然简单易行,但抗干扰能力差。Chen 等[5] 在检测 APP 克隆时列出了 73 个第三方服务库的模 块名,假如模块名被修改后,这种方法就失效了。

  3.1 Android 系统中权限管理 为了保护用户的隐私数据,Android 系统采用

  基于权限管理的隐私保护机制,在该机制下,APP 需在配置文件中声明要使用的权限,经用户同意 后,才能访问权限所对应的硬件或读写数据。在 Android 6.0(Marshmallow)版本之前,用户安装 APP 软件时,弹出窗口提示 APP 运行时需要用到的 权限。如果用户同意,则授予权限继续安装,否则 停止安装 APP 的流程。从 Android 6.0 版本开始, Android 系统将权限分为非敏感权限(normal permission)和运行时权限(runtime permission)。非敏 感权限不直接涉及用户隐私,比如网络、蓝牙、NFC 等,APP 安装时默认授权,且用户无法取消授权。 运行时权限直接涉及用户隐私,比如通讯录、短信、 位置等,APP 首次使用时在界面上弹出窗口让用户 授权,授权后可以在系统设置界面动态管理该权 限。此外,基于 Android 深度定制的系统(如华为 公司的 Emotion UI、小米公司的 MIUI 等操作系统) 中除了对运行时权限设置外,在其系统设置界面中 可以对一般权限进行管理。虽然这种模式能让用户 更好地了解和控制权限,但是其将隐私信息的授予/ 撤销的决定权交给了用户,用户能否正确地理解权 限的具体含义是这种模式成功的关键。 3.2 关联规则算法

  收稿日期:2018–11–06;修回日期:2019–02–28 通信作者:李凤华,基金项目:国家重点研发计划基金资助项目(No.2017YFB0802203);国家自然科学基金资助项目(No.U1401251, No.61672515, No. 61872441);中国科学院青年创新促进会人才基金资助项目;工业和信息化部 2018 工业互联网创新发展工程基金资助项 目:工业互联网标识解析数据管理技术标准制定与试验验证

  摘 要:针对 APP 中第三方服务提供商非法采集用户隐私信息的问题,提出了一种 APP 隐私信息泄露风险评估 方案 PRAS。该方案通过统计第三方服务提供商从不同 APP 获取的权限,并考虑权限组合对隐私泄露风险带来的 非线性影响,构建模型来评估隐私泄露风险。基于风险评估结果,在服务质量与隐私保护之间进行均衡分析,最 终给出系统整体的权限管理方案,在保证服务质量的同时,降低隐私信息泄露风险。实验结果表明,PRAS 将 APP 整体的隐私泄露风险平均降低了 18.5%。 关键词:安卓;隐私保护;风险评估;权限管理 中图分类号:TN 929 文献标识码:A doi: 10.11959/j.issn.1000−436x.2019085

  权限的 APP 中,89.69%的 APP 存在滥用该权限的情 况[3]。在上述调查中,由于智能设备中 APP 过度申 请权限,导致用户隐私信息泄露事件的频发。因此, 亟需针对权限配置的管理方案,保护用户的个人隐 私数据不被泄露。

  APP 中包含的第三方服务提供商可以在用户 没有察觉的情况下获取隐私信息。目前,智能设备 的操作系统(例如 Android、iOS 等)使用权限管理 机制保护设备中的隐私数据。以 APP 为单位控制访 问权限,只有获得相应权限的 APP 才能读取用户隐 私数据。但现实中,由于 APP 集成了来自第三方服 务(例如广告、支付等服务),使权限管理机制的 保护效果降低。第三方服务以库文件的形式被包入 宿主 APP,这些库文件为服务提供商(SP, service provider)发布的二进制文件,常见的文件后缀名有 “.jar”“.so”“.tdb”等,且同一服务可以被打包到 多个 APP 中,在权限管理机制下,其拥有与宿主 APP 相同的权限。若从每个 APP 获得部分敏感权 限,则 SP 能获得用户全部与隐私信息相关的敏感 权限;进而绘制完整的用户画像,并以此牟利。因 为操作系统没有向用户提示是宿主 APP 还是第三 方服务在申请使用权限,所以用户对发生的隐私信 息泄露事件一无所知。

 谷歌地图 百度地图