РАЗРАБОТКА АНТИВИРУСНОЙ ПРОГРАММЫ ДЛЯ МОБИЛЬНЫХ УСТРОЙСТВ НА ПЛАТФОРМЕ ANDROID: МЕТОДЫ ОБНАРУЖЕНИЯ И ПРОБЛЕМЫ РЕАЛИЗАЦИИ
Введение
Большинство существующих антивирусов – коммерческие продукты с закрытым исходным кодом, поэтому принцип их работы обычно неизвестен. Мобильные антивирусы к тому же часто опираются только на сигнатурный анализ, который не справляется с новыми и полиморфными угрозами.
Мобильные устройства стали основной платформой для повседневных задач: банковских операций, общения, работы. Вместе с этим растёт число угроз: вредоносные APK-файлы (установочные файлы приложений Android, Android Package) маскируются под системные приложения, получают избыточные разрешения и похищают данные. Поэтому разработка антивирусов для Android остаётся важной задачей. Прототип из данной работы можно использовать как основу для дальнейшей разработки, а методику оценки – для анализа других решений.
Цель: разработать прототип антивируса для Android, в котором реализован набор методов обнаружения вредоносного программного обеспечения (ПО).
Задачи:
1. Изучить типы мобильных угроз.
2. Рассмотреть существующие методы обнаружения вредоносного ПО.
3. Спроектировать архитектуру антивируса.
4. Реализовать 35 методов обнаружения.
5. Собрать датасет из безопасных и вредоносных приложений.
6. Провести тестирование на 100 приложениях и оценить точность обнаружения.
7. Выявить проблемы реализации и предложить пути их решения.
Предмет исследования: методы обнаружения вредоносного ПО на платформе Android и проблемы их практической реализации.
Гипотеза: предполагается, что сочетание сигнатурного, эвристического анализа и машинного обучения позволит повысить точность обнаружения вредоносных APK-файлов при условии правильной настройки порогов срабатывания.
Краткий обзор литературы
Основы безопасности мобильных систем описаны в работах [2; 7], а классификация угроз для платформы Android – в [3; 9]. Обычно выделяют несколько типов вредоносного ПО. Трояны маскируются под полезные приложения и крадут данные. Шпионское ПО следит за пользователем, рекламное навязывает рекламу, программы-вымогатели блокируют устройство до выплаты выкупа, а банковские трояны перехватывают данные банковских приложений.
Android уязвим в первую очередь из-за открытости: приложения можно устанавливать из сторонних источников. Кроме того, приложения запрашивают широкие разрешения и могут работать в фоновом режиме, а версии операционной системы (ОС) на разных устройствах отличаются. Чтобы замаскироваться, вредоносное ПО подменяет имя пакета, использует системные иконки, запутывает код (обфускация), меняет его при каждом запуске (полиморфизм) и мешает отладке.
Методы обнаружения вредоносного ПО рассмотрены в [1; 5], а применение машинного обучения для анализа APK-файлов – в [4; 6]. В работе [1], например, предложен метод DREBIN, который сочетает статический анализ APK-файлов с машинным обучением. Из литературы видно, что вопрос сочетания разных методов обнаружения в одном мобильном антивирусе остаётся открытым, и именно этим определяется значимость данной работы.
Методы исследования
В работе применялись анализ литературы, программирование, машинное обучение, тестирование и статистический анализ. При разработке прототипа использовалась документация Firebase и Android SDK (Software Development Kit – набор средств разработки) [8; 10].
Архитектура прототипа
Антивирус состоит из двух частей. Первая – Android-приложение. Оно устанавливается на устройство и сканирует APK-файлы и установленные приложения. В его состав входят сканер APK, модуль анализа разрешений, модуль обновления из Firebase, интерфейс пользователя и модуль уведомлений. Вторая часть – тренер на Python, который работает на компьютере: обучает модель и подбирает коэффициенты для методов обнаружения.
Части связаны через Firebase (облачную базу данных). Тренер отправляет туда настройки, а приложение при запуске получает актуальные настройки и сохраняет последнюю версию на устройстве, поэтому сканирование работает и без интернета. Такая архитектура позволяет быстро обновлять алгоритмы без переустановки приложения, а модель можно обучать на мощном компьютере, что делает систему гибкой. Однако обновления зависят от подключения к интернету и доступности Firebase. Если сервис заблокируют или связи долго не будет, приложение продолжит работать на последней сохранённой версии, но не получит новые коэффициенты, и качество обнаружения новых угроз снизится.
Методы обнаружения вредоносного ПО
В прототипе реализовано 35 методов обнаружения, разделённых на четыре группы (табл. 1). Полный перечень методов приведён в приложении.
Таблица 1
Группы реализованных методов обнаружения (количество методов, шт.)
|
Группа |
Примеры |
Количество методов |
|
Сигнатурные |
хеши, строки |
10 |
|
Эвристические |
разрешения, эмуляция |
15 |
|
Поведенческие |
паттерны, антиотладка |
7 |
|
ML-методы |
классификация |
3 |
|
Итого |
– |
35 |
Больше всего в прототипе эвристических методов – 15 из 35. Сигнатурных методов 10, поведенческих 7, ML-методов три. Основная часть набора приходится на эвристику, а ML-методов меньше всего, хотя именно машинное обучение подбирает коэффициенты для всех 35 методов.
Сигнатурный анализ – это поиск по хешам (MD5, SHA-1, SHA-256), поиск характерных строк в DEX-файле (Dalvik Executable, файл с исполняемым кодом приложения), манифесте и ресурсах, проверка контрольных сумм и сверка с правилами YARA (инструмент для описания шаблонов вредоносных файлов). Известные угрозы он находит с высокой точностью, но не находит новые и полиморфные вирусы.
Эвристический анализ включает проверку разрешений (например, фонарик, запрашивающий доступ к контактам, – подозрительное приложение), эмуляцию DEX-кода, поиск антиотладочных приёмов, проверку динамической загрузки кода и использования рефлексии, проверку на полиморфность и обфускацию. Поведенческие методы анализируют паттерны сетевой активности, доступа к SMS (Short Message Service – служба коротких сообщений), контактам и файловой системе, автозапуск после загрузки и попытки скрыть иконку приложения. Такой анализ находит и новые угрозы, но возможны ложные срабатывания.
Машинное обучение (ML, Machine Learning) в прототипе устроено так. Три ML-метода классифицируют приложения по разрешениям и вызовам API (Application Programming Interface – программный интерфейс приложения), по n-граммам опкодов DEX (последовательностям команд кода) и по поведенческим паттернам. Для этого применяется ансамбль на основе градиентного бустинга (XGBoost) с логистической регрессией на втором уровне. Каждый из 35 методов выдаёт сигнал от 0 до 1, а модель подбирает вес каждого сигнала и вычисляет итоговую оценку риска: чем она ближе к 1, тем вероятнее, что приложение вредоносное. Порог срабатывания по умолчанию равен 0,5 и затем уточняется по ROC-кривой (Receiver Operating Characteristic – график зависимости доли найденных угроз от доли ложных срабатываний) так, чтобы пропусков угроз было меньше: они опаснее ложных срабатываний. Готовые веса и порог тренер отправляет в Firebase.
Тестирование
Тестирование проведено на 100 приложениях: 70 безопасных и 30 потенциально опасных. Точность определялась как доля верно классифицированных приложений от общего числа.
Безопасные приложения взяты из Google Play (бесплатные приложения из категорий «Инструменты», «Продуктивность» и «Связь»), из каталога F-Droid и из системных приложений AOSP (Android Open Source Project – открытая версия Android), таких как калькулятор, часы и камера. Вредоносные образцы получены из коллекций VirusShare, AndroZoo, CICMalDroid 2020 и Contagio Mobile. Образец считался вредоносным, если его определяли как угрозу не менее пяти антивирусов из более чем шестидесяти на сервисе VirusTotal. Дополнительно проверялась принадлежность к известным семействам (FakeInst, DroidKungFu, BankBot), а манифест и подозрительные вызовы API у 30 образцов просмотрены вручную. Спорное рекламное ПО в выборку не включали.
Для обучения использовалось около 500 APK (350 безопасных и 150 опасных). Тестовые 100 приложений с обучающей выборкой не пересекаются: хеши APK из теста сверялись с обучающими. Параметры модели и порог срабатывания подбирались на обучающей выборке с помощью 5-кратной кросс-валидации (обучающая выборка пять раз делилась на части, и модель по очереди проверялась на каждой из них). Опасных образцов меньше, поэтому для выравнивания классов применялись веса классов и метод SMOTE (Synthetic Minority Over-sampling Technique – синтетическое увеличение числа редких образцов).
Все этапы работы, включая разработку архитектуры, программную реализацию 35 методов, сбор датасета, обучение модели, тестирование и анализ результатов, были выполнены автором самостоятельно.
Результаты и обсуждение
Результаты тестирования на 100 приложениях приведены в таблице 2. Общая точность – 92 %: верно определены 65 из 70 безопасных и 27 из 30 потенциально опасных приложений. Ложных срабатываний 5 (7,1 % безопасных приложений), пропусков угроз 3 (10,0 % опасных).
Таблица 2
Результаты тестирования прототипа антивируса (верно – верно определённые приложения; доли – в % от числа приложений категории)
|
Категория |
Всего, n |
Верно, шт. |
Верно, % |
Ошибки, шт. |
Тип ошибок |
|
Безопасные |
70 |
65 |
92,9 |
5 |
ложные срабатывания |
|
Опасные |
30 |
27 |
90,0 |
3 |
пропуски угроз |
|
Итого |
100 |
92 |
92,0 |
8 |
– |
Безопасные приложения прототип определил точнее (92,9 %), чем опасные (90,0 %). Из восьми ошибок пять – ложные срабатывания и три – пропуски угроз. Опасных приложений в выборке всего 30, поэтому каждая ошибка заметно влияет на результат: один пропуск меняет долю верных ответов примерно на 3,3 %. Для антивируса пропуск угрозы опаснее ложного срабатывания, поэтому именно эти три случая требуют внимания в первую очередь.
Для сопоставления: в работе [1] метод DREBIN обнаруживал 94 % вредоносных приложений при 1 % ложных срабатываний. У прототипа обнаружено 90,0 % угроз при 7,1 % ложных срабатываний, то есть результат слабее, особенно по ложным срабатываниям. Однако прямое сравнение некорректно: DREBIN проверяли на 123 453 безопасных и 5 560 вредоносных приложениях, а прототип – всего на 100, поэтому эти цифры служат лишь ориентиром.
При реализации и тестировании возникли такие проблемы.
Ложные срабатывания. Калькулятор определился как троян, потому что запрашивал доступ к интернету. Решением служат белые списки в тренере.
Сложность эвристического анализа под Android. Вирусы прячутся в системных разделах и маскируются под обновления, поэтому для написания эвристики нужно глубоко понимать устройство платформы.
Синхронизация с Firebase. Сначала приложение не могло прочитать настройки: ключ API был привязан к подписи debug-сборки (отладочной версии приложения), и в release-сборке (рабочей версии) проверка не проходила, а тренер при записи получал отказ в доступе. Кроме того, настройки хранились плоско и без версий, из-за чего старые коэффициенты смешивались с новыми. Помогли новые ключи для обеих сборок, структура с версиями (последняя версия, веса и порог для каждой версии) и права записи, по которым в базу может писать только тренер. Всё это удалось сделать после повторного изучения документации.
Полученные результаты показывают, что разработанный прототип работоспособен, однако требует дальнейшей оптимизации и уменьшения количества ложных срабатываний. Сочетание методов даёт лучший результат, но требует тонкой настройки.
Выводы
1. Мобильные угрозы разнообразны (трояны, шпионское и рекламное ПО, программы-вымогатели, банковские трояны). Android уязвим из-за открытости экосистемы и широких разрешений приложений. Для обнаружения вредоносного ПО применяются сигнатурный, эвристический и поведенческий анализ, а также машинное обучение.
2. Спроектирована архитектура из Android-приложения и тренера на Python, которые связаны через Firebase. Она удобна для обновления алгоритмов, но получение новых настроек зависит от внешнего сервиса.
3. Реализовано 35 методов обнаружения, сочетающих разные подходы: 10 сигнатурных, 15 эвристических, 7 поведенческих и 3 ML-метода.
4. Собран датасет безопасных и вредоносных приложений (около 500 для обучения и отдельная тестовая выборка из 100), на нём обучена модель.
5. На 100 приложениях точность составила 92 % (верно определены 65 из 70 безопасных и 27 из 30 потенциально опасных); допущено 5 ложных срабатываний и 3 пропуска угроз.
6. Главные проблемы реализации – ложные срабатывания, сложность эвристики под Android и зависимость обновлений от Firebase. Предложены белые списки в тренере и повторное изучение документации.
Заключение
Разработан прототип антивируса для Android с 35 методами обнаружения. Гипотеза подтвердилась: комбинированный подход работает при корректной настройке алгоритмов обнаружения. Даже прототип способен достаточно эффективно обнаруживать потенциально опасные приложения, но задач для дальнейшей разработки остаётся немало: тестирование проведено всего на 100 приложениях, а получение новых настроек зависит от Firebase. В планах расширить датасет, оптимизировать прототип и выложить его на GitHub. Возможны три сценария развития: медленный (прототип, около года), оптимизация (рабочая версия, 1–2 года) и полноценный продукт в магазине приложений (3 года и больше). Наиболее вероятным представляется постепенное развитие проекта, а создание полноценного продукта – наименее вероятным. Эта оценка основана на собственных планах автора и расчётами не подкреплена.
Приложение. Перечень реализованных методов обнаружения
Сигнатурные методы (1–10). 1) поиск по MD5-хешу APK; 2) поиск по SHA-1-хешу APK; 3) поиск по SHA-256-хешу APK; 4) поиск сигнатурных строк в DEX-файле; 5) поиск сигнатурных строк в манифесте (AndroidManifest.xml); 6) поиск сигнатурных строк в ресурсах (resources.arsc); 7) проверка контрольной суммы APK; 8) поиск известных имён вредоносных пакетов; 9) поиск известных сертификатов разработчиков; 10) проверка по базе YARA-правил.
Эвристические методы (11–25). 11) анализ запрашиваемых разрешений (опасные комбинации); 12) проверка соответствия разрешений назначению приложения (например, фонарик с доступом к контактам); 13) эмуляция исполнения DEX-кода; 14) поиск антиотладочных приёмов (ptrace, isDebuggerConnected); 15) проверка на полиморфность; 16) проверка на обфускацию (запутанные имена классов и методов); 17) анализ подозрительных API (SmsManager, Runtime.exec); 18) проверка динамической загрузки кода (DexClassLoader); 19) проверка использования рефлексии для скрытых вызовов; 20) анализ строк на подозрительные URL и IP-адреса; 21) поиск root-детекторов; 22) поиск эмулятор-детекторов; 23) анализ манифеста на экспортируемые компоненты; 24) проверка подписи APK на самоподписанность; 25) проверка соответствия имени пакета и иконки.
Поведенческие методы (26–32). 26) паттерны сетевой активности; 27) паттерны доступа к SMS; 28) паттерны доступа к контактам; 29) паттерны доступа к файловой системе; 30) автозапуск после загрузки; 31) фоновые службы и wake-lock; 32) попытки скрыть иконку приложения.
ML-методы (33–35). 33) классификация по извлечённым признакам (разрешения и вызовы API); 34) классификация по n-граммам опкодов DEX; 35) классификация по поведенческим паттернам (объединение признаков эвристических и поведенческих методов).
Библиографическая ссылка
URL: https://school-herald.ru/article/view?id=1701 (дата обращения: 21.11.2026).