[发明专利]一种针对移动应用地理位置访问行为的细粒度分析方法

权利要求书

1.一种针对移动应用地理位置访问行为的细粒度分析方法，其特征在于，一个合法的基于位置的功能LBF提供一个与用户交互的UI，并且利用UI上的文本来识别服务类型；具体包括如下五个步骤：

步骤一，定位L-UIs；所述定位L-UIs的实现包括静态L-UIs定位和动态L-UI搜索；分别制定静态L-UIs的定位方法和动态L-UI搜索方法；用于获得训练样本以及在预测阶段用于进行应用程序预处理；

步骤二，提取LBF文本；所述提取LBF文本包括：①提取布局文件上下文中的文本；②提取Activity类中的文本；③提取资源文件的名称；

步骤三，定义LBF类型；根据规范以及服务来定义LBF类型；

步骤四，标记LBF样本标签；对于下载的多个应用程序，标记其中的一半作为训练数据集；

步骤五，训练基于集成学习方法的LBF文本分类模型；选择机器学习分类模型和深度学习模型作为底层基础分类器，用投票算法将分类器结果集成；使用权重调整的投票算法作为分类集成方法，对于含有k个底层基础分类器的模型，应该首先为每个基础分类器C_i学习一个投票权重w_i；然后，输入文本样本x的最终预测结果C_ensemble是：

其中，代表分类器C_i的分类结果是否正确；重复迭代，直到分类器权重收敛；

(1)静态L-UIs定位：

在Android中，UI对应于activity类，静态方法旨在搜索那些使用位置数据的活动类，使用位置数据意味着访问被定位结果污染的某个变量，包括如下实现步骤：

步骤1：通过进行污点分析找到访问位置相关变量的所有方法；在分析中，源点是请求位置的API，定义一个关键字列表，通过匹配模糊字符串的方法来识别请求位置的API；

步骤2：为了将找出的受污染的方法与Activity类关联起来，分析APK中的清单文件，以查找应用程序声明的所有Activity；然后，收集在Activity类中声明的每个LifecycleCallback Method，并将这个Method作为入口点；

步骤3：使用深度搜索算法从Android的Activity类的入口点开始，遍历应用程序的方法调用图，直到找到之前污染的任何方法，并同时记录相关的Activity类；这样即检测到所有直接或间接调用任何受污染的方法的Activity类；

(2)动态L-UI搜索：

动态L-UI搜索方法用于确定位置请求被hook时正在运行时的LBF相关的UI类，通过钩子函数同时记录前台Activity和应用程序正在运行的服务；

①应用程序在前台运行，没有运行后台服务；在这种情况下，前台Activity就是要找的L-UI；

②应用程序在后台运行，即捕获的运行后台服务调用位置请求；首先使用类似静态定位L-UI的方法来查找所有与位置相关的后台服务，然后利用静态分析来进一步确定这些位置相关后台服务的Activity类；

③应用程序在前台运行，同时运行后台服务；此情况获取hook的API的调用栈，并将调用栈与应用程序的静态提取的调用图进行比较，以做出是否需要记录Activity类的决定。

2.根据权利要求1所述的针对移动应用地理位置访问行为的细粒度分析方法，其特征在于，提取Activity类中的文本时，需将Activity类中的自定义函数的名称记录下来。

3.根据权利要求1所述的针对移动应用地理位置访问行为的细粒度分析方法，其特征在于，通过两个方向来定义LBF分类：一方面，根据中国国家标准《信息安全技术移动互联网应用(App)收集个人信息基本规范》定义LBF分类；另一方面，审查L-UIs样本，以定义服务的分类。

4.根据权利要求1所述的针对移动应用地理位置访问行为的细粒度分析方法，其特征在于，在定义了LBF类型后，确定对于每个LBF类型其可以接受的位置精度要求的界限；每个定义的LBF类都会要求分为8个粒度选项，范围为5米到100千米，8个粒度选项为5米，2千米，5千米，10千米，30千米，50千米，100千米，以及不需要的选项，从8个选项中选择可接受提供的位置精度。

5.根据权利要求1所述的针对移动应用地理位置访问行为的细粒度分析方法，其特征在于，训练基于集成学习的LBF文本分类模型中，选择机器学习分类模型和深度学习模型作为底层基础分类器，用投票算法将分类器结果集成；

类型1机器学习模型：

分类器的第一种类型是机器学习模型，利用机器学习模型进行特征选择，选择一组关键字；首先使用NLTK中的文本分段工具将文本样本划分为短语；然后，将具有最高TF-IDF值的这些短语或每个LBF类中的信息增益识别，并对它们执行相关性过滤以确定最终的关键词组；为每个训练样本形成了一个特征向量，其中每个元素的值是关键字的频率；将文本转换成向量数据后，训练一个模型，在模型选择阶段，选择支持向量机和逻辑回归作为机器学习的分类模型；

类型2深度模型：

基于Word Embedding选择了四个深度模型：(1)Fast-Text，(2)TextCNN，(3)TextRNN，(4)TextRCNN。