Earticle

초록

한국어

최근 안드로이드 스마트폰에서 악성 앱의 출현이 증가하고 있다. 하지만 매일 많은 앱이 출현되기 때문에 이들 앱을 분석하여 악성 앱을 탐지하기에는 많은 시간과 자원이 요구된다. 이로 인해 악성 앱이 많이 확산된 후에 대처하는 상황 도 적지 않다. 본 논문은 악성 앱 가능성이 높은 앱을 우선적으로 분석할 수 있도록 앱 행위를 동적으로 추적하고 고 위험성의 앱을 분류하는 TAU 기법을 제안한다. 이 기법은 사용자와 스마트폰의 상호작용으로 발생하는 앱의 설치, 유 포 경로 및 실행 행위를 추적한다. 이런 추적된 행위 분석하여 Drive-by download 및 Update attack 공격 가능성이 있 는 앱을 분류한다. 또한 악성 앱의 유포 경로로 많이 사용되는 리패키징 여부를 판별한다. 이런 분류를 통해 고위험성 의 앱에 대한 악성 코드 분석을 우선적으로 실행하게 하여 악성 앱의 유포를 빨리 막을 수 있도록 한다.

영어

In recent years, malwares in Android smartphones are becoming increased explosively. Since a great deal of apps are deployed day after day, detecting the malwares requires commercial anti-virus companies to spend much time and resources. Such a situation causes malwares to be detected after they have become already spread. We propose a scheme called TAU that dynamically tracks application behaviors to specify apps with potential security risks. TAU keeps track of how a user's interactions to smartphones incurs the app installation, the route of app spread, and the behavior of app execution. This tracking specifies apps that have the possibility of attacking the smartphones using the drive-by download and update attack schemes. Moreover, the tracked behaviors are used to decide whether apps are repackaged or not. Therefore, TAU allows anti-virus companies to detect malwares efficiently and rapidly by guiding to preferentially analyze apps with potential security risks.

목차

요약
 ABSTRACT
 1. 서론
 2. 관련 연구
 3. 본론
  3.1 기본 원리
  3.2 사용자 앱 설치 행위 추적 기법
  3.3 리패키징 탐지에 대한 응용
  3.4 Drive-by Download 탐지에 대한 응용
  3.5 Update attack 탐지에 대한 응용
 4. 실험
  4.1 실험 환경
  4.2 실험 결과
 5. 결론
 참고문헌

저자

• 안우현 [ Woo Hyun Ahn | 광운대학교 컴퓨터소프트웨어학과 ]
• 전영남 [ Young Nam Joun | LG전자 MC사업부 ]

참고문헌