一種基于余弦算法的手機(jī)病毒檢測(cè)方法

◆蘇 暉 王怡然

（華能貴誠(chéng)信托有限公司電子商務(wù)部 北京 100093）

隨著全球化和信息化的發(fā)展，移動(dòng)互聯(lián)網(wǎng)的發(fā)展進(jìn)入了高速行駛的快車道，同時(shí)，移動(dòng)互聯(lián)網(wǎng)病毒也加快蔓延。2018 年，CNCERT 通過移動(dòng)互聯(lián)網(wǎng)惡意程序監(jiān)測(cè)體系共監(jiān)測(cè)移動(dòng)互聯(lián)網(wǎng)惡意程序5702861 個(gè)，比2017 年同期監(jiān)測(cè)3162981 個(gè)惡意程序增長(zhǎng)1.8 倍，涉及移動(dòng)惡意程序702 個(gè)，繼續(xù)呈現(xiàn)出爆炸式增長(zhǎng)趨勢(shì)。

現(xiàn)在對(duì)手機(jī)病毒的分析及檢測(cè)主要采用基于特征的檢測(cè)方法，它通過對(duì)已知特征匹配來判斷是否存在手機(jī)病毒?，F(xiàn)在，基于行為的檢測(cè)方法也被引入手機(jī)病毒檢測(cè)，它通過對(duì)手機(jī)程序執(zhí)行監(jiān)視，對(duì)文件、內(nèi)存、進(jìn)程等變化進(jìn)行判斷來完成檢測(cè)，如J2ME 沙箱、Android 沙箱等[1-9]。但是，無論是基于特征還是基于行為的檢測(cè)方法都無法難以對(duì)多態(tài)[10-11]和變形技術(shù)[12-13]處理后的手機(jī)病毒進(jìn)行有效的檢測(cè)。因?yàn)槎鄳B(tài)和變形技術(shù)處理后的手機(jī)病毒，可以通過逃避已知檢測(cè)點(diǎn)或者加入混淆信息欺騙檢測(cè)工具的方法來防止其被檢測(cè)。由于沒有對(duì)手機(jī)操作系統(tǒng)底層進(jìn)行研究，檢測(cè)不到操作系統(tǒng)底層的工作狀態(tài)，如內(nèi)存的變化，僅僅是監(jiān)視了應(yīng)用層APP 的數(shù)據(jù)改動(dòng)及API 調(diào)用[14]，因此無法對(duì)多態(tài)和變形技術(shù)處理后的手機(jī)病毒進(jìn)行判斷，從而對(duì)其也無法進(jìn)行檢測(cè)。

本文提出了一種基于余弦算法的二進(jìn)制程序手機(jī)病毒檢測(cè)方法，該方法對(duì)二進(jìn)制程序行為進(jìn)行分析，監(jiān)視手機(jī)操作系統(tǒng)底層，跟蹤內(nèi)存及APP 存儲(chǔ)空間的變化情況，揭示手機(jī)病毒程序的工作機(jī)制，通過余弦相似度比較對(duì)其進(jìn)行檢測(cè)，從而有效地解決了對(duì)多態(tài)和變形技術(shù)處理后的二進(jìn)制程序手機(jī)病毒無法進(jìn)行檢查的問題。

1 形式化方法

為了進(jìn)行手機(jī)病毒的二進(jìn)制程序分析，本文定義了一種用于安全性分析的中間語(yǔ)言 EDIL(Exploit Detection for Intermediate Language)，針對(duì)手機(jī)病毒檢測(cè)，對(duì)BIL 中間語(yǔ)言[15]進(jìn)行優(yōu)化和擴(kuò)展。BIL 是一種二進(jìn)制程序分析的語(yǔ)言，能對(duì)數(shù)據(jù)流和控制流進(jìn)行正確描述。

1.1 語(yǔ)言語(yǔ)法

EDIL 語(yǔ)法由程序狀態(tài)語(yǔ)句列表（∑），當(dāng)前內(nèi)存狀態(tài)（μ），當(dāng)前變量值（φ），程序計(jì)數(shù)器（η）以及程序當(dāng)前狀態(tài)（σ）組成。參數(shù)的語(yǔ)法敘述見表1。

其中，∑、μ和φ都是起到了映射作用。如φ[x←10]表示將變量x進(jìn)行更新，將它賦值為數(shù)值v=10。

表1 EDIL 基本語(yǔ)法描述

1.2 形式化表達(dá)式

EDIL 有完整的形式化方法，它的每一個(gè)程序狀態(tài)語(yǔ)句都符合以下的形式化表達(dá)式：

表達(dá)式（1）表示在程序狀態(tài)語(yǔ)句s由當(dāng)前狀態(tài)改變到下一終止?fàn)顟B(tài)s’的時(shí)候，其他規(guī)則都在分?jǐn)?shù)線上的computation發(fā)生了變化。例如，在成功發(fā)生條件跳轉(zhuǎn)時(shí)，EDIL 的形式化表達(dá)式如下：

在形式化表達(dá)式（2）中有一個(gè)簡(jiǎn)單的計(jì)算規(guī)則需要指明。表達(dá)式 ,μ φ? ?e v表示在當(dāng)前狀態(tài)語(yǔ)句下，根據(jù)μ和φ的具體范圍，求出e的數(shù)值v。

2 手機(jī)病毒檢測(cè)算法

2.1 算法描述

通過對(duì)二進(jìn)制程序行為進(jìn)行分析，利用余弦相似度比較惡意行為和正常行為之間的差異，從而檢測(cè)二進(jìn)制程序是否是一個(gè)惡意的手機(jī)病毒程序。基于余弦相似度的二進(jìn)制程序手機(jī)病毒檢測(cè)算法主要包括以下三個(gè)子算法：基本塊劃分算法、控制流分析算法以及行為分析算法。

2.2 基本塊劃分算法

基本塊劃分是在匯編代碼的基礎(chǔ)上進(jìn)行的，基本塊的過程可以分為兩步：

（1）確定每個(gè)基本塊的入口指令，根據(jù)上述原理，基本塊入口指令只可能有三種：

· ①程序入口處的第一條指令；

· ②jmp 或者jcc 跳轉(zhuǎn)目標(biāo)地址處的指令；

· ③jmp 或者jcc 指令的下一條指令。

（2）根據(jù)每個(gè)基本塊的入口指令，構(gòu)造其所在的基本塊。此時(shí)又有三種情況：

· ①由當(dāng)前入口指令的開始地址直到下一個(gè)入口指令開始的地址之間的所有指令構(gòu)成一個(gè)基本塊；

· ②由當(dāng)前入口指令的開始地址到其后第一條跳轉(zhuǎn)指令的結(jié)束地址之間的所有指令構(gòu)成一個(gè)基本塊；

· ③由當(dāng)前入口指令的開始地址到程序結(jié)尾之間的所有指令構(gòu)成一個(gè)基本塊。

2.3 控制流分析算法

本文利用分層法[16]對(duì)程序的控制流進(jìn)行分析的過程分為三輪。

（1）第一輪先分析程序中的函數(shù)，得出起始地址和結(jié)束地址；

（2）第二輪調(diào)用基本塊劃分模塊對(duì)每個(gè)函數(shù)內(nèi)部的匯編代碼進(jìn)行分析，對(duì)每個(gè)基本塊屬性進(jìn)行記錄。在分析過程中關(guān)注的屬性包括基本塊的入口地址、出口地址和跳轉(zhuǎn)目標(biāo)。

（3）第三輪根據(jù)控制流圖求函數(shù)的所有控制流路徑，即求出從控制流根節(jié)點(diǎn)（函數(shù)入口基本塊）到葉子節(jié)點(diǎn)的所有可能路徑。路徑皆由所經(jīng)過的基本塊組成。

2.4 行為分析算法

在基本塊劃分算法和控制流分析算法的基礎(chǔ)上，可以通過EDIL 對(duì)手機(jī)病毒程序行為進(jìn)行描述，利用余弦相似度比較算法對(duì)手機(jī)病毒程序行為進(jìn)行比較，從而對(duì)其進(jìn)行檢測(cè)。

對(duì)程序行為的兩個(gè)程序行為向量間的角度定義如下：

其中，G為基本塊算法劃分成的基本塊。則與兩個(gè)向量的夾角為：

在初始情況下，ai=1,i= 1,2,...,m。經(jīng)過學(xué)習(xí)可以對(duì)余弦夾角測(cè)度進(jìn)行校正。

3 手機(jī)病毒檢測(cè)模型系統(tǒng)

3.1 模型系統(tǒng)描述

圖1 給出了基于二進(jìn)制程序行為分析的手機(jī)病毒檢測(cè)模型系統(tǒng)，框圖代表核心部件，其余表示文件格式和中間過程。該模型系統(tǒng)包括了3 個(gè)主要部分：APP 行為監(jiān)視器、預(yù)處理器以及APP 行為檢測(cè)器，現(xiàn)就它們的工作原理進(jìn)行詳細(xì)介紹。

3.2 APP 行為監(jiān)視器

APP 行為監(jiān)視器用于對(duì)需要進(jìn)行手機(jī)病毒檢測(cè)的文件進(jìn)行監(jiān)控，它跟蹤文件在二進(jìn)制程序中的執(zhí)行情況。在APP 行為監(jiān)視器中使用OllyDBG v1.1[17]完成反匯編工作。OllyDBG 可以解析多種PE 格式，得到其中的匯編指令、寄存器、內(nèi)存以及導(dǎo)出函數(shù)等信息。同時(shí)，APP 行為監(jiān)視器還對(duì)程序執(zhí)行時(shí)特定進(jìn)程的執(zhí)行路徑進(jìn)行動(dòng)態(tài)監(jiān)視，所采用的方法是通過掛鉤系統(tǒng)服務(wù)描述符表（SSDT）中的Native API。這樣可以通過相關(guān)堆棧信息對(duì)程序執(zhí)行路徑進(jìn)行回溯，并且通過監(jiān)視調(diào)用Native API 情況，輔助和簡(jiǎn)化二進(jìn)制程序分析，特別體現(xiàn)在處理函數(shù)調(diào)用以及動(dòng)態(tài)代碼生成時(shí)。

圖1 基于二進(jìn)制程序行為分析的手機(jī)病毒檢測(cè)系統(tǒng)模型

3.3 預(yù)處理器

預(yù)處理器包括兩個(gè)方面：基于基本塊劃分和控制流分析。預(yù)處理器的輸入是匯編語(yǔ)言，輸出是EDIL 中間語(yǔ)言，同時(shí)能優(yōu)化匯編代碼，增加檢測(cè)效率。例如，一個(gè)程序入口點(diǎn)初始化分配堆棧的匯編代碼如下：

在經(jīng)過預(yù)處理器轉(zhuǎn)化之后，輸出的需EDIL 中間語(yǔ)言如下：

3.4 APP 行為檢測(cè)器

APP 行為檢測(cè)器的功能是確定進(jìn)行檢測(cè)的APP 文件是否存在手機(jī)病毒。它通過將對(duì)需要進(jìn)行手機(jī)病毒檢測(cè)的文件程序行為描述和正常行為描述相比較。需要指出的是在反匯編器和程序行為監(jiān)視器有差異，反匯編器僅僅是通過OllyDBG 完成了相應(yīng)的匯編代碼生成，而并沒有采集程序執(zhí)行時(shí)特定進(jìn)程的執(zhí)行路徑。原因在計(jì)算行為狀態(tài)序列時(shí)并不需要回溯路徑，僅僅計(jì)算出每個(gè)基本塊的程序調(diào)用序列即可。

4 實(shí)驗(yàn)結(jié)果

為驗(yàn)證本文所提出的APP 分析的手機(jī)病毒檢測(cè)方法的有效性，選擇遠(yuǎn)程控制手機(jī)病毒和本地文件手機(jī)病毒進(jìn)行實(shí)驗(yàn)。

4.1 遠(yuǎn)程控制手機(jī)病毒檢測(cè)

遠(yuǎn)程控制手機(jī)病毒[18]檢測(cè)的實(shí)驗(yàn)環(huán)境：操作系統(tǒng)為Android。為保證樣本可對(duì)比性，選用10 個(gè)常用的遠(yuǎn)程控制類手機(jī)病毒，結(jié)果如表2。

表2 給出了4 種主流殺毒軟件和EDIL 手機(jī)病毒檢測(cè)系統(tǒng)模型對(duì)10 種遠(yuǎn)程控制類手機(jī)病毒樣本的檢測(cè)結(jié)果，√表示能夠檢測(cè)，×表示無法檢測(cè)。從實(shí)驗(yàn)結(jié)果可以看出，EDIL 檢測(cè)系統(tǒng)模型可以有效地檢測(cè)出手機(jī)病毒樣本，而其他4 種殺毒軟件存在著檢測(cè)不出樣本的情況。特別是針對(duì)0007 和0009，各種測(cè)試的殺毒軟件皆不能夠進(jìn)行檢測(cè)。0007 的手機(jī)病毒方式是由于瀏覽器的CFunctionPointer 函數(shù)沒有正確地處理文檔對(duì)象，如果以特定序列附加并刪除了對(duì)象，就可以觸發(fā)內(nèi)存破壞，導(dǎo)致以當(dāng)前登錄用戶的權(quán)限執(zhí)行任意代碼。而殺毒軟件沒有監(jiān)測(cè)這個(gè)函數(shù)的行為，并對(duì)此進(jìn)行檢測(cè)，從而根本不能判斷進(jìn)行此變形后的手機(jī)病毒。

表2 遠(yuǎn)程控制手機(jī)病毒檢測(cè)結(jié)果

表3 中給出了實(shí)驗(yàn)中各個(gè)樣本的空間代價(jià)占用情況及時(shí)間代價(jià)占用情況。由實(shí)驗(yàn)結(jié)果可以看出，行為描述文件的生成大小與原始的手機(jī)病毒文件大小無關(guān)。例如，0006 與0007 兩個(gè)實(shí)驗(yàn)樣本的原始的手機(jī)病毒文件大小都為633KB，但是行為描述文件大小分別是4,897KB 和10,687KB。由于兩者的手機(jī)病毒方式不一樣，導(dǎo)致了在進(jìn)行二進(jìn)制行為分析時(shí)所經(jīng)歷的路徑不同，因此描述文件的生成大小與原始的手機(jī)病毒文件大小無必然聯(lián)系。

表3 遠(yuǎn)程控制類手機(jī)病毒檢測(cè)結(jié)果

手機(jī)病毒的時(shí)間代價(jià)包括預(yù)處理時(shí)間和檢測(cè)時(shí)間，它與生成的行為描述文件大小成正比。行為描述文件大小越大，其預(yù)處理時(shí)間和檢測(cè)時(shí)間也就消耗得越多。

4.2 本地文件手機(jī)病毒檢測(cè)

本地文件手機(jī)病毒檢測(cè)的實(shí)驗(yàn)環(huán)境：操作系統(tǒng)為Android。

本文選取了13 個(gè)本地文件手機(jī)病毒程序，表4 給出了4種主流殺毒軟件和EDIL手機(jī)病毒檢測(cè)系統(tǒng)模型對(duì)13 個(gè)本地文件手機(jī)病毒的檢測(cè)結(jié)果。從實(shí)驗(yàn)結(jié)果可以看出，EDIL 檢測(cè)系統(tǒng)模型可以有效地檢測(cè)出手機(jī)病毒樣本，而其他4 種殺毒軟件則存在著檢測(cè)不出樣本的情況。4 種殺毒軟件都不能夠?qū)Σ《?008 進(jìn)行檢測(cè)。

表4 本地文件手機(jī)病毒檢測(cè)結(jié)果

表5 中給出了實(shí)驗(yàn)中各個(gè)樣本的空間代價(jià)占用情況及時(shí)間代價(jià)占用情況。由實(shí)驗(yàn)結(jié)果可以看出，本地文件手機(jī)病毒檢測(cè)的行為描述文件的生成大小與原始的手機(jī)病毒文件大小也是不具有直接聯(lián)系的，決定其大小的在于利用的何種漏洞。同時(shí)，由于APP 應(yīng)用軟件的類型不同，空間和時(shí)間代價(jià)都有所差別。

表5 本地文件手機(jī)病毒檢測(cè)結(jié)果

5 結(jié)束語(yǔ)

基于余弦相似度算法的二進(jìn)制程序手機(jī)病毒檢測(cè)算法通過對(duì)APP 二進(jìn)制程序行為進(jìn)行跟蹤，監(jiān)視手機(jī)內(nèi)存和APP 空間的變化，在中間語(yǔ)言層對(duì)程序行為進(jìn)行形式化分析，從而對(duì)手機(jī)病毒進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明該方法可以有效地對(duì)手機(jī)病毒進(jìn)行分析和檢測(cè)，并且具有較小的時(shí)間復(fù)雜度和空間復(fù)雜度。