BT

Disseminando conhecimento e inovação em desenvolvimento de software corporativo.

Contribuir

Tópicos

Escolha a região

Início Notícias Google usa Machine Learning para identificar aplicativos intrusos no Android

Google usa Machine Learning para identificar aplicativos intrusos no Android

Os engenheiros de segurança do Google Martin Pelikan, Giles Hogben, e Ulfar Erlingsson, escreveram um algoritmo de cluster para analisar automaticamente os aplicativos Android e detectar quais podem ser considerados intrusos.

Os aplicativos intrusivos são aqueles que exigem que o usuário conceda um conjunto maior de funcionalidades do que seria estritamente necessário para o seu bom funcionamento. Por exemplo, um aplicativo para colorir não normalmente não precisa, ter acesso a dados de geolocalização. Outros exemplos de informações que nem todos os aplicativos necessitam para fazer seu trabalho são o acesso a dados pessoais, câmeras, catálogo de endereços, etc. Conceder mais privilégios do que o estritamente necessário é potencialmente prejudicial, já que você pode não saber para o que esses dados serão realmente usados. Entre os casos mais freqüentes de comportamentos prejudiciais desses aplicativos estão: backdoors, spyware, coleta de dados, negação de serviço e muito mais.

A abordagem que o Google segue para detectar aplicativos intrusivos baseia-se no conceito de agrupamento por funcionalidade, ou seja, um grupo de aplicativos que compartilham recursos semelhantes e que, portanto, devem exigir um conjunto similar de autorizações. Uma vez que esses grupos são formados, torna-se possível detectar aplicativos anormais em cada grupo, ou seja, aqueles aplicativos que exigem mais privilégios do que aplicativos similares. Esta abordagem requer o monitoramento do Android Play Store, coletando estatísticas detalhadas e descobrindo as expectativas dos usuários, para que os grupos de aplicativos possam ser determinados automaticamente. De acordo com os engenheiros do Google, a categorização fixa e manual seria uma tarefa tediosa e propensa a erros.

Para tornar essa abordagem mais eficaz, o Google usa Deep Learning para descobrir grupos de aplicativos que compartilham características semelhantes usando os metadados destas aplicações, que incluem descrições textuais e métricas de instalação. Uma vez que os grupos são definidos, a detecção de anomalias é usada dentro de cada grupo para identificar aplicativos anormais, ou seja, aplicativos que mostram uma incompatibilidade entre os privilégios que eles exigem e suas funcionalidades. Esses aplicativos são inspecionados cuidadosamente para decidir quais são realmente intrusivos. Essa informação é usada também para determinar quais aplicativos devem ser promovidos, bem como para entrar em contato com desenvolvedores de aplicativos potencialmente intrusos e ajudá-los a melhorar a privacidade e segurança destes apps.

Avalie esse artigo

Relevância
Estilo/Redação

Conteúdo educacional

BT