به گزارش ایسنا، بررسی‌های اخیر نشان می‌دهند سیستم عامل اندروید در حال حاضر بیش از ۷۵ درصد سهم بازار تلفن‌های همراه را در اختیار دارد. استقبال زیاد از دستگاه‌های اندرویدی باعث شده که آن‌ها تبدیل به هدف مهمی برای نقض امنیت و حریم خصوصی شوند. بنابراین تجزیه و تحلیل بدافزارهای اندرویدی دارای اهمیت زیادی ‌است.

در این پژوهش که در قالب پایان‌نامه کارشناسی ارشد مهسا حسینی در رشته مهندسی کامپیوتر با راهنمایی دکتر مهدی آبادی استادیار گروه مهندسی کامپیوتر دانشگاه تربیت مدرس صورت گرفته است، روشی جدید مبتنی بر الگوهای گرافی برای تشخیص بدافزار در دستگاه‌های اندرویدی پیشنهاد می‌شود.

روش پیشنهادی شامل دو مرحله یادگیری الگوهای گرافی و تشخیص است. در مرحله یادگیری الگوهای گرافی، ابتدا برای هر نمونه بدافزار شناخته‌شده یک گراف فراخوانی حساس به امنیت تولید شده و سپس به منظور کاهش زمان تولید الگوهای گرافی، این گراف‌های فراخوانی پالایش می‌شوند. سپس با شناسایی الگوهای پرتکرار برای هر خانواده بدافزار یک الگوی گرافی تولید می‌شود. در مرحله تشخیص، از تطبیق گراف فراخوانی حساس به امنیت برنامه‌های اندرویدی با الگوهای گرافی، برای تشخیص بدافزارهای اندرویدی استفاده می‌شود.

در این طرح پژوهشی برای ارزیابی روش پیشنهادی از دو مجموعه داده استفاده می‌شود. مجموعه داده اول شامل بدافزارهای اندرویدی است که به تفکیک خانواده از هم جدا شده‌اند و مجموعه داده دوم شامل برنامه‌های عادی اندرویدی است.

بر اساس اعلام روابط عمومی دانشگاه تربیت مدرس، نتایج آزمایش‌ها نشان می‌دهند که روش پیشنهادی با نرخ تشخیص ۹۳٫۳۶ درصد و نرخ هشدار نادرست ۴٫۹۱ درصد می‌تواند بدافزارهای اندرویدی را تشخیص دهد. این روش علاوه بر تشخیص بدافزار، خانواده آن بدافزار را نیز شناسایی می‌کند.