[发明专利]一种基于界面图标特征的安卓软件重打包检测方法有效
申请号: | 201811585731.1 | 申请日: | 2018-12-24 |
公开(公告)号: | CN109815699B | 公开(公告)日: | 2023-06-20 |
发明(设计)人: | 赵士轩;王明;曾子涵;马骏 | 申请(专利权)人: | 南京大学 |
主分类号: | G06F21/56 | 分类号: | G06F21/56 |
代理公司: | 南京钟山专利代理有限公司 32252 | 代理人: | 戴朝荣 |
地址: | 210023 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 界面 图标 特征 软件 打包 检测 方法 | ||
1.一种基于界面图标特征的安卓软件重打包检测方法,其特征在于:包括以下步骤:
S1:动态执行安卓应用,对每个界面筛选并转储界面的全部图标;
S2:对转储的图标根据风格进行分类,得到图标-风格-界面树,并将图标-风格-界面树作为应用软件胎记;
S3:计算待比较安卓应用对的图标-风格-界面树的相似度,当一对图标-风格-界面树的相似度大于阈值时,对应的两个应用被判断为重打包;
步骤S3所述图标-风格-界面树相似度计算方法为:将一对图标-风格-界面树转化为多个二部图,通过加权计算多个二部图最大匹配值得到图标-风格-界面树之间的相似度;
所述的图标-风格-界面树转为多个二部图包括以下步骤:
设2个图标-风格-界面树G1和G2,每个图根据层计数分为δl个集合,设第i层包含的界面集合为G1i和G2i,则二部图点集为G1i.V∪G2i.V,V表示界面图标及特征的集合,边存在的判定方式为:若一组界面的相似度η大于一个给定阈值δη则判定相同;
每层构建一个二部图,得到多个二部图组成的集合
所述一组界面的相似度η的计算方法如下:
将两个界面转储出的图标分别按照风格分为几个集合,每个集合图标的风格相同;
以两个界面中风格相同的图标为点集构图进行最大匹配,最大匹配中判定边存在的方式为两个图标重合部分大于设定阈值δ;
两个界面中图标被判定相同的个数所占两个界面总图标数量的比例即为一组界面的相似度η;
对每个所述二部图,通过最大匹配计算出图标-风格-界面树的相似度,公式如下:
式中,为第i个二部图的相似度,即为最大匹配判定相同的界面个数占二部图总界面个数的比例。
2.根据权利要求1所述的一种基于界面图标特征的安卓软件重打包检测方法,其特征在于:步骤S2所述的图标-风格-界面树数学模型为有向图,设为:G=(V,E),
式中,E表示界面的转移;
G的节点v=(I,S,l)∈V,表示一个界面的图标及特征的集合,式中I是图标的集合,S为一个映射表示图标的风格;l表示界面的层计数;所述界面视为树的一个节点,G的边e=(v1,v2)表示存在从界面v1到界面v2的转移。
3.根据权利要求1所述的一种基于界面图标特征的安卓软件重打包检测方法,其特征在于:采用有限循环的方式执行步骤S1和步骤S2,具体为采用有限循环动态执行安装应用并构造界面的图标与图标对应风格的集合,包括以下步骤:
a)筛选并转储当前界面的全部图标,并对每一个图标进行风格分类,将转储的图标与图标对应的风格添加到输出集合中;
b)在布局中随机选择一个筛选过的可交互控件,然后随机选择一个该控件所支持的行为;
c)在所选控件上执行所选行为,转移至一个新的界面,循环返回步骤a);
d)当循环计数达到设定的阈值,跳出循环,输出。
4.根据权利要求2所述的一种基于界面图标特征的安卓软件重打包检测方法,其特征在于:运用有限循环遍历策略生成步骤S2所述的图标-风格-界面树,具体如下:
在循环开始前,用户指定循环层深层δl与宽度δa;
计数器l归零,当前选中界面u=(C,I,a)置为软件的初始化界面ui,其中C为所有控件的集合,a为已经在当前界面执行的操作数;
进入主循环后,如果l小于一个给定阈值δl,则返回上一级界面,l减去1;否则首先令a为零,筛选出当前界面u中控件集合C中的有效控件集合Cv∈C,根据有效控件集合Cv选择出有效图标集合Iv∈I;如果在现有的图标-风格-界面树中找到了相似的界面,则认定重复,返回上一层界面,l减去1;否则将有效图标分类出风格后与界面和层数一同加入输出的图标-风格-界面树;
如果a小于给定阈值δa,则在Cv中找到任意一个没有选择过的可交互控件c,随机选择一个该控件所支持的行为在控件c上执行操作,a增加1,并认为转移到了下一层界面u′=(C′,I′,a′),l增加1,重复执行主循环;如果a大于等于给定阈值δa,若当前界面为初始化界面ui,则退出循环,算法结束;否则返回上一级界面,l减去1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京大学,未经南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811585731.1/1.html,转载请声明来源钻瓜专利网。