Mobile Malware entlarven

Moderne Malware nutzt fortschrittliche Techniken, um sich vor statischen und dynamischen Analysetools zu verstecken. Um bei Angriffen auf ein mobiles Gert mglichst unauffllig vorgehen zu knnen, ist ein effektiver Ansatz fr die Diagnose der Anwendung erforderlich. Heutzutage basiert der aktuelle Ansatz nur auf der Analyse von Codeteilen oder Mustern, anhand derer eine Android-Anwendung fr die Malware-Erkennung bewertet wird. Der Hacker kann diese Kombination aus Diagnose und Muster auer Kraft setzen, wodurch das Gert mit Malware infiziert werden kann. In diesem Beitrag wird ein Ansatz vorgestellt, der verschiedene Techniken wie Muster, flussbasierte, verhaltensbasierte und zustandsbasierte Techniken verwendet und eine Analyse der einzelnen Daten durch die zugehrigen spezialisierten Algorithmen vornimmt. Die erhaltenen Ergebnisse werden fusioniert, um die endgltigen Ergebnisse dieser Anwendung zu erhalten. Ziel dieser Arbeit ist es, Malware mit verschiedenen Kombinationen von Algorithmen zu erkennen und Malware zu entdecken. Die verwendeten Algorithmen sind Call Graph-Based Classification, HMM-Modell und Naive Byes Based Classification. Die experimentellen Ergebnisse zeigen die Machbarkeit und Wirksamkeit des vorgeschlagenen Ansatzes zur Erkennung von Malware.