안드로이드 앱 추천 시스템을 위한 Sybil공격과 Malware의 관계 분석
Relationship Analysis between Malware and Sybil for Android Apps Recommender System
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
스마트 폰에서 활용할 수 있는 다양한 앱 (Apps)들의 개수가 기하급수적으로 증가함에 따라 개인 맞춤형 앱들을 추천해주는 시스템이 각광받고 있다. 하지만, 다양한 목적으로 악성 앱 (Malware)을 제작하여 구글 플레이(GooglePlay) 사이트에 등록 후 배포하는 경우가 동시에 증가함에 따라 사용자들은 만족도 하강의 단순 피해부터 개인정보 노출 및 금전 탈취 등 심각한 수준의 많은 피해까지 겪고 있다. 또한, 소셜 네트워크가 발전함에 따라 물리적인한 사용자가 많은 거짓 계정들을 만들어서 구글 플레이 사이트의 각 앱의 평점 (rating)들을 조작하는 시빌 공격(Sybil)도 존재할 수 있다. 이때까지 악성 앱과 시빌 공격 연구는 독립적으로 진행되어 왔다. 하지만 실시간으로 발전하고 있는 지능화된 공격 종류들을 고려했을 때 악성 앱 제작자가 구글 플레이 사이트에 노출 된 평점까지 조작 후 인지도를 높여서 결국 악성 앱을 다운받도록 유도하는 지능화된 공격의 유무를 판단하는 것이 중요하다. 따라서, 본 논문에서는 구글 플레이어 사이트를 직접 크롤링하고 시빌 공격과 악성 앱의 상관관계를 실험적으로 밝힌다. 실험결과, 구글플레이어 사이트에서는 아직 시빌과 악성 앱의 상관관계가 낮음을 알 수 있었다. 이는 악성 앱 배포자가 인지도 및 평점까지 다수 조작하여 많은 사람들에게 노출되면 다양한 Anti-Virus (AV) 벤더들에게 오히려 더 빨리 탐지되어 목적을달성할 수 없기 때문에 이를 고려하지 않았거나, 악성 앱 배포자가 악성 앱을 만들고 배포하는 것에만 초점을 두고 사이트 인지도 및 평점 조작까지는 아직 동시에 고려하지 않음으로 해석될 수 있다.
Abstract
Personalized App recommendation system is recently famous since the number of various apps that can be used in smart phones that increases exponentially. However, the site users using google play site with malwares have experienced severe damages of privacy exposure and extortion as well as a simple damage of satisfaction descent at the same time. In addition, Sybil attack (Sybil) manipulating the score (rating) of each app with falmay also present because of the social networks development. Up until now, the sybil detection studies and malicious apps studies have been conducted independently. But it is important to determine finally the existence of intelligent attack with Sybil and malware simultaneously when we consider the intelligent attack types in real-time. Therefore, in this paper we experimentally evaluate the relationship between malware and sybils based on real cralwed dataset of goodlplay. Through the extensive evaluations, the correlation between malware and sybils is low for malware providers to hide themselves from Anti-Virus (AV).
참고문헌 (14)
- J. Douceur, "The Sybil attack", Peer-to-Peer Systems, ser. Lecture notes in Computer Science, 2429, pp.251~260 (2002)
- H. Yu, "Dsybil : Optimal Sybil-Resistance for Recommendation Systems", Proceedings of the 30th IEEE Symposium on Security and Privacy, pp.283~298 (2009)
- Giseop Noh, "Robust Sybil attack defense with information level in online Recommender Systems", Proceedings of the Expert Systems with Applications, 41(4), pp.1781~1791 (2014)
- Fangzhao Wu, "Social Spammer and Spam Message Co-Detection in Microblogging with Social Context Regularization", Proceedings of the 24th ACM International on Conference on Information and Knowledge Management, pp.1601~1610 (2015)
- Arp D, "Drebin : Effective and explainable detection of android malware in your pocket", Proceedings of the 21th Annual Network and Distributed System Security Symposium(NDSS ’14) (2014)
- Kang H, "Detecting and Classifying Android Malware using Static Analysis along with Creator Information", International Journal of Distributed Sensor Networks, 11(6), pp.1~9 (2015)
- Jaehoon Lee, "Robust Recommender System considering additional short-answer evaluation on a Review Comments", Korea Institute of Information Security & Cryptology (2015)
- 노태완, "시빌 유형을 고려한 견고한 추천시스템", 정보과학회 컴퓨팅의 실제 논문지, 21(10), pp.670~679 (2015), 한국정보과학회
- Neil Zhenqiang Gong, "SybilBelief: A Semi-Supervised Learning Approach for Structure-Based Sybil Detection", IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, 9(6) (2014)
- Zhuo Zhang, "Detection of shilling attacks in recommender systems via spectral clustering", Information Fusion(FUSION), 2014 17th International Conference on (2014)
- Hayoung Oh, "Home Gateway with Automated Real-Time Intrusion Detection for Secure Home Networks", Lecture Notes in Computer Science, 3983, pp.440~447 (2006)
- 황경애, "실시간 침입탐지를 위한 자기 조직화 지도(SOM)기반 트래픽 속성 상관관계 메커니즘", 정보처리학회논문지C, 12(6), pp.649~658 (2005), 한국정보처리학회
- 오하영, "온라인 소셜 네트워크에서 역 사회공학 탐지를 위한 비지도학습 기법", 정보처리학회논문지. 소프트웨어 및 데이터 공학, 4(3), pp.129~134 (2015), 한국정보처리학회[DOI]
- Changchang Liu, "Exploiting Temporal Dynamics in Sybil Defenses", ACM CCS, pp.805~816 (2015)