[論文レビュー] Mining Permission Request Patterns from Android and Facebook Applications (extended author version)

Mario Frank, Ben Dong+2 more|arXiv (Cornell University)|Oct 8, 2012

Advanced Malware Detection Techniques参考文献 15被引用数 4

ひとこと要約

本稿では、AndroidおよびFacebookアプリケーションにおける共通の権限要求パターンを特定するために、ブール行列分解を用いた非教師あり確率的モデルを提案する。高評価のアプリケーションは安定的で明確な権限要求パターンに従うのに対し、低評価のアプリケーションは顕著に逸脱しており、権限要求パターンがアプリケーションの品質およびユーザー満足度の代理指標として機能しうることを示している。

ABSTRACT

Android and Facebook provide third-party applications with access to users' private data and the ability to perform potentially sensitive operations (e.g., post to a user's wall or place phone calls). As a security measure, these platforms restrict applications' privileges with permission systems: users must approve the permissions requested by applications before the applications can make privacy- or security-relevant API calls. However, recent studies have shown that users often do not understand permission requests and lack a notion of typicality of requests. As a first step towards simplifying permission systems, we cluster a corpus of 188,389 Android applications and 27,029 Facebook applications to find patterns in permission requests. Using a method for Boolean matrix factorization for finding overlapping clusters, we find that Facebook permission requests follow a clear structure that exhibits high stability when fitted with only five clusters, whereas Android applications demonstrate more complex permission requests. We also find that low-reputation applications often deviate from the permission request patterns that we identified for high-reputation applications suggesting that permission request patterns are indicative for user satisfaction or application quality.

研究の動機と目的

• 統計的モデリングを用いて、AndroidおよびFacebookアプリケーションにおける共通の権限要求パターンを同定すること。
• 権限要求パターンがアプリケーションの評価およびユーザー満足度と相関しているかどうかを特定すること。
• 逸脱または潜在的に危険な権限要求を検出するためのスケーラブルで非教師ありの手法を開発すること。
• 抽出されたパターンの安定性およびランダムなデータサブセットにわたる一般化可能性を評価すること。
• 権限パターンが、低品質または不審なアプリケーションを特定するためのリスク指標としての可能性を検討すること。

提案手法

• アプリケーションの権限データから重複する権限要求パターンを抽出するために、ブール行列分解に基づく生成的確率的モデルを適用する。
• 潜在的要因（権限要求パターンを表す）の事後分布を推定するために変分推論手法を用いる。
• 複数のランダムなデータサブセットでモデルを学習することで安定性分析を実施し、クラスタの再現性を評価する。
• 高評価および低評価アプリケーション間の権限要求パターンを比較し、逸脱を検出する。
• 実アプリケーションとシミュレートされたアプリケーションにおける共通権限ペairの割合（PCP）を用いて、パターンの有意性を評価する。
• 異なるデータ分割およびアプリケーションサブセットでクラスタリングの安定性をテストすることで、モデルの一般化可能性を検証する。

実験結果

リサーチクエスチョン

• RQ1 大規模なAndroidおよびFacebookアプリケーションコーパスにおいて、どのような潜在的な権限要求パターンが存在するか？
• RQ2 抽出された権限要求パターンは、異なるデータサブセットにわたってどの程度安定的で一般化可能か？
• RQ3 低評価アプリケーションは、高評価アプリケーションの権限要求パターンから顕著に逸脱しているか？
• RQ4 権限要求パターンは、アプリケーションの品質またはユーザー満足度の指標として機能するか？
• RQ5 アプリケーションのカテゴリごとに権限要求パターンはどのように異なるのか？また、これにより検出精度が向上するか？

主な発見

• Facebookの権限要求は、わずか5つのクラスタに限定される非常に安定した構造を示しており、強い潜在的パターンがあることが示された。
• Androidアプリケーションはより複雑な権限要求パターンを示すが、依然としてアプリケーションの評価と相関する識別可能なクラスタを有している。
• 低評価アプリケーション（10件未満の評価）は、高評価アプリケーションの権限要求パターンから顕著に逸脱している。
• 実アプリケーションの平均的な権限共起割合（PCP）は8.7%であるのに対し、シミュレートされたアプリケーションではたったの1.2%であり、非ランダムで意味のある構造があることが示された。
• モデルのクラスタリングは、ランダムなデータサブセットにわたって安定しており、高い一般化可能性と再現性を示している。
• 権限要求パターンはアプリケーションの品質を示しており、一般的なパターンからの逸脱は、ユーザー満足度の低下または評価の低さと相関している。