안드로이드에서 악성행위 분석을 위한 커널 기반의 모니터링 기법 :A Kernel-based Monitoring Approach for Analyzing Malicious Behavior on Android

정윤식

추천

검색

자료유형: 학위논문

저자정보: 정윤식 (단국대학교, 단국대학교 대학원)

지도교수: 조성제

발행연도: 2013

저작권: 단국대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2013

안드로이드에서 악성행위 분석을 위한 커널 기반의 모니터링 기법

정윤식 , 강성욱 , 조성제 외 1명 한국정보과학회 학술발표논문집 2013.06 학술대회자료

안드로이드에서 악성행위 분석을 위한 커널 기반의 모니터링 기법

정윤식 컴퓨터학과 2013.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

안드로이드 앱의 수가 증가함에 따라 안드로이드 악성코드도 증가하고 있다. 안드로이드 악성코드는 개인정보 유출에서부터 권한상승, 과금 유발, 원격제어 등 다양한 공격 유형을 보이고 있다. 시그니처 기반으로 악성코드를 탐지 및 차단하기 위한 백신 앱들이 배포되고 있으나 탐지율이나 정확도 면에서 만족스럽지 않다. 시그니처 기반 백신으로는 난독화된 코드나 새로운 유형의 악성코드를 탐지할 수 없기 때문이다. 개인정보 등 민감한 정보 유출을 방지하기 위해 주요 정보를 모니터링하거나 추적하는 연구도 존재하나, 추적할 정보의 선정 및 해당 기법을 구현하는 계층 등에 대해서는 여전히 고려할 사항이 있다.
본 논문에서는 커널수준에서 안드로이드 악성코드의 행위를 모니터링하고, 악성행위를 체계적으로 분석할 수 있는 기법을 제안한다. 제안 기법은 두 가지 방식으로 설계된다. 먼저, 하나의 앱에 의한 악성행위를 분석하기 위해 파일 입출력과 관련된 시스템 콜을 후킹하여, 파일 생성 기록, 파일의 입출력 내용 등을 모니터링 한다. 그리고 두개 이상의 앱들 간의 공조에 의한 악성행위를 분석하기 위해 바인더 드라이버를 후킹하여, 내부 인텐트를 모니터링 한다.
제안 기법은 커널 수준의 모니터링 기법이기 때문에, 악성코드 제작자의 난독화 처리 등에 영향을 받지 않으며, 악성 행위의 과정을 모니터링 하는 것이기 때문에 기존 모니터링 기법보다 체계적인 분석결과를 제공하여 오용 탐지의 가능성을 줄여 준다.
실험을 통해, 제안 기법이 기존 기법보다 안드로이드 악성코드를 구체적으로 분석할 수 있음을 보였다. 성능 평가 결과, 바인더 드라이버 후킹으로 인한 오버헤드가 다소 높았지만, 이는 향상된 보안성을 고려할 때 감내할 수 있는 오버헤드로 분석된다.

As Google’s Android has become most popular mobile application platform and lots of Android applications have been downloaded, Android malware has significantly increased. Android malware launches various types of attacks including personal information stealing, privilege escalation, financial charges, remote control, etc. To detect and prevent Android malware, Android has used antivirus programs employing signature-based detection. The signature-based detection is not satisfactory in terms of accuracy and detection rate. The reason is why antivirus programs cannot identify new or obfuscated malware. Even though other research has explored several techniques to track and monitor important information for preventing leakage of sensitive information, there are still the following issues to consider. Which information sources should be monitored? Which layer is suited for implementing a given technique?
In this thesis, we propose a technique that monitors malware behavior on Android and analyzes malicious behavior systematically at the kernel level. The proposed technique is designed in two ways. First, in order to analyze malicious behavior(s) that might happen inside one application, it monitors events that occur in file operations by hooking system calls related to creation, input, and output of file. Secondly, in order to analyze malicious behavior(s) that might happen through the cooperation of multiple applications, it monitor intent action by hooking the binder driver.
The proposed technique can detect obfuscated malware because it is a run-time monitoring method at kernel-level. In addition, it can reduce the possibility of misuse detection by providing more specific analysis results than conventional methods to monitor malicious behavior(s). Experimental results show that our technique is effective to detect malware and analyze malicious behavior(s) on Android. Hooking the binder driver has incurred a relatively high overhead. However, this overhead should be tolerable or acceptable because security strength is enhanced.

#안드로이드 #악성코드 #모니터링 기법

Ⅰ. 서 론 1
Ⅱ. 관련 연구 5
2.1 안드로이드 악성코드 분석 5
2.2 기존의 악성행위 분석에 대한 연구 6
1) TaintDroid 6
2) Quire 7
3) Aurasium 8
4) Kernel-based Behavior Analysis 9
Ⅲ. 악성행위 분석을 위한 커널 기반 모니터링 기법 10
3.1 안드로이드 IPC 메커니즘 12
3.2 바인더 드라이버 분석 및 후킹 기법 16
3.3 스마트폰 내부 데이터의 외부 유출 탐지 22
3.4 제안기법 분석 24
Ⅳ. 악성코드 분석 및 성능평가 27
4.1 악성코드 샘플의 악성 행위 분석 27
1) GingerMaster 27
2) Plankton 32
4.2 CDA(Confused Deputy Attack) 시나리오 분석 34
4.3 성능 평가 37
Ⅴ. 결론 및 향후연구 42
참고문헌 43
영문요약 46

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)