CN109992514B - 基于可视化内容的移动应用动态分析方法 - Google Patents

Abstract

本发明提供了一种基于可视化内容的移动应用动态分析方法，包括：点击移动应用中各类可视化内容元素，触发移动应用的动态行为，对动态行为进行分类，记录可视化内容元素和对应的动态行为；在记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造动态行为关于可视化内容元素特征向量的关系模型；根据关系模型，预测点击待执行动态分析的移动应用的任意可视化内容元素后产生每类动态行为的概率，即动态行为触发概率；根据动态行为触发概率，采用点击策略点击待分析移动应用页面中的可视化内容元素，触发移动应用动态行为，完成对移动应用的动态分析。本发明的方法可以提高移动应用功能性测试效率和安全性测试效率。

Description

基于可视化内容的移动应用动态分析方法

技术领域

本发明涉及计算机程序分析技术领域，尤其涉及一种基于可视化内容的移动应用动态分析方法。

背景技术

随着移动互联网的快速发展，各类移动应用的数量呈现出井喷似的增长。为了保证移动应用的可用性和安全性，需要对移动应用进行功能性和安全性测试。应用程序动态分析作为重要的测试手段，在发现移动应用功能错误、安全缺陷方面发挥了不可或缺的作用。尤其是在移动应用源码未知的前提下，动态分析既防止了知识产权外泄，又可以完成对应用程序的安全性测试。

在移动应用的动态分析过程中，现有的方法是采用随机点击移动应用中的各类控件，触发移动应用的各种函数调用，通过分析函数调用发生过程是否出现功能错误或安全缺陷来完成对移动应用的测试分析。随着移动应用的内容越来越丰富、功能越来越复杂和使用的控件种类越积越多，这些随机点击的方法往往存在使用效率过低的问题，难以应对当前移动应用数量急剧增长的现象。

因此，亟需一种可以提高移动应用功能性测试效率和安全性测试效率的方法。

发明内容

本发明提供了一种基于可视化内容的移动应用动态分析方法，以降低由于点击可视化内容触发的无关行为的概率，减少对无关动态行为的分析开销，从而提高移动应用功能性测试和安全性测试的效率。

为了实现上述目的，本发明采取了如下技术方案。

本发明提供了一种基于可视化内容的移动应用动态分析方法，包括：

S1点击移动应用中各类可视化内容元素，触发移动应用的动态行为，对动态行为进行分类，记录所述的可视化内容元素和对应的动态行为。

S2在所述记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造动态行为关于可视化内容元素特征向量的关系模型。

S3根据所述的关系模型，预测点击待执行动态分析的移动应用的任意可视化内容元素后产生每类动态行为的概率，即动态行为触发概率。

S4根据所述的动态行为触发概率，采用点击策略点击待分析移动应用页面中的可视化内容元素，触发移动应用动态行为，完成对移动应用的动态分析。

优选地，点击移动应用中各类可视化内容元素，触发移动应用的动态行为，对动态行为进行分类，记录所述的可视化内容元素和对应的动态行为，包括：

所述的可视化内容元素包括当前点击的可视化内容元素属性、当前活动页面中的全部可视化内容元素属性和前往当前活动页面时点击的可视化内容元素属性；

所述的动态行为包括调用的函数名称和调用函数所在的类名。

优选地，可视化内容元素特征向量是指界面中的各类控件元素属性的向量化描述，包括当前点击的控件特征、当前页面全部控件类型和数量的统计特征、前往当前活动页面时点击的控件特征。

优选地，控件特征包括控件的类型、控件中的文字内容、控件的位置以及布局在所述控件的周围的控件的类型、控件的文字内容和控件的位置。

优选地，在所述记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造每类动态行为关于可视化内容元素特征向量的关系模型，包括：

根据记录的可视化内容元素，提取可视化内容元素特征向量；

根据动态行为分类的结果，利用机器学习方法，训练动态行为类别关于可视化内容元素特征向量的关系模型。

优选地，关系模型包括神经网络、随机森林和支持向量机。

优选地，可视化内容元素的特征向量x_i由当前页面全部控件类型及特征的统计特征向量s_i，控件i的特征向量f_i，前往当前页面时点击的控件j的特征向量f_j构成，即x_i＝[s_i；f_i；f_j]，其中，控件i的特征向量f_i由控件i的独立特征向量和布局在控件i周围的控件的独立特征向量构成，独立特征向量w_i包括控件类型w_i ^c、控件ID w_i ^id、描述文字w_i ^t、控件位置w_i ^p四类特征组成，即构造控件i的独立特征向量w_i，w_i＝[w_i ^c；w_i ^id；w_i ^t；w_i ^p]，根据控件的独立特征向量w_i，构造控件i的特征向量f_i，f_i＝[w_i；w_i上；w_i下；w_i左；w_i右]。

优选地，点击策略为贪婪算法、启发式算法或动态规划算法。

由上述本发明的一种基于可视化内容的移动应用动态分析方法提供的技术方案可以看出，本发明从理解移动应用显示内容的语义的角度出发，通过点击不同可视化内容时触发的函数调用，构造了可视化内容与函数调用的关系模型，建立了移动应用上层显示内容与底层程序行为之间的联系，达到根据移动应用的可视化内容，预测触发函数调用概率的目标，为分析移动应用程序行为提供了新的角度，移动应用审计提供了新的手段；根据可视化内容与函数调用关系模型，预测可视化内容触发任一调用函数的概率，并制定可视化内容点击策略，提高特定函数调用的触发效率，从而提高移动应用动态分析效率，提高移动应用功能性和安全性测试的效率。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于可视化内容的移动应用动态分析方法流程示意图；

图2为本实施例中6个控件在手机屏幕中的相对位置图；

图3显示了一款真实app的分析示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明。

图1为本实施例的一种基于可视化内容的移动应用动态分析方法流程示意图，参照图1，该方法包括：

S1点击移动应用中各类可视化内容元素，触发移动应用的动态行为，对动态行为进行分类，记录所述的可视化内容元素和对应的动态行为。

可视化内容元素包括：当前点击的可视化内容元素属性、当前活动页面中的全部可视化内容元素属性和前往当前活动页面时点击的可视化内容元素属性。

动态行为包括调用的函数名称和调用函数所在的类名。

根据行为目标的不同，动态行为可分为界面变化行为、网络行为、通信行为、重力传感器行为、加速度传感器行为等。

在计算机上部署移动应用动态分析工具，向连接的手机下发需要动态分析的移动应用，并发送动态分析指令(点击屏幕上的可视化控件)，实时接收手机端返回的移动应用可视化内容元素与触发的动态行为。示意性地，触发的函数调用分为界面变化行为，网络行为，通信行为三类，当从页面1跳转至页面2后，得到的记录示例如下表1所示：

表1当前点击的可视化内容元素与触发的函数调用记录示例

参照上表1，当前活动页面为页面2，其上一页面为页面1，当前活动页面中的全部可视化内容元素属性为序号1-6的元素属性,序号0的元素属性表示前往当前活动页面时点击的可视化内容元素属性。

S2在记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造动态行为关于可视化内容元素特征向量的关系模型。

可视化内容元素特征向量是指界面中的各类控件元素属性的向量化描述，包括当前点击的控件特征、当前页面全部控件类型和数量的统计特征、前往当前活动页面时点击的控件特征。

控件特征包括控件的类型、控件中的文字内容、控件的位置以及布局在所述控件的周围的控件的类型、控件的文字内容和控件的位置。

具体地，可视化内容元素的特征向量x_i由当前页面全部控件类型及特征的统计特征向量s_i，控件i的特征向量f_i，前往当前页面时点击的控件j的特征向量f_j构成，即x_i＝[s_i；f_i；f_j]，其中，控件i的特征向量f_i由控件i的独立特征向量和布局在控件i周围的控件的独立特征向量构成，独立特征向量w_i包括控件类型w_i ^c、控件ID w_i ^id、描述文字w_i ^t、控件位置w_i ^p四类特征组成，即构造控件i的独立特征向量w_i，w_i＝[w_i ^c；w_i ^id；w_i ^t；w_i ^p]，根据控件的独立特征向量w_i，构造控件i的特征向量f_i，f_i＝[w_i；w_i上；w_i下；w_i左；w_i右]。

具体方式为：

控件类型的特征w_i ^c表示为取值为0或1的单位向量，向量长度为所有可能的控件类型数量，向量的每一位表示当前控件是否属于该位置代表的控件类型；

利用自然语言处理技术分别构造适用于表示移动端控件ID的特征向量w_i ^id和控件中文字的特征向量w_i ^t，具体地：对提取出的文字内容进行分词处理，基于对大量移动应用可视化内容元素的ID和文字内容提取，构建包含所有常见词的词库，在此基础上提取控件ID和控件中文字内容的向量化特征以及字数统计特征，得到特征向量w_i ^id和w_i ^t；

控件位置的特征w_i ^p表示为取值为0或1的单位向量，构造方法为：将移动端屏幕划分为多个区域，如3*3或4*4，特征w_i ^p的向量长度为划分的区域数量，向量的每一位表示当前控件的中心点是否落在其代表的屏幕区域中。

示意性地，提取各个可视化内容元素的特征向量，以控件1为例的特征向量提取过程如下：

构造控件的独立特征向量w₁

1)控件类型的特征w₁ ^c

假设分析的所有移动应用得到的控件库为{TextView,Switch,Button,RadioButton,EditText}，描述控件1类型的特征向量为[1,0,0,0,0]。

2)控件ID的特征w₁ ^id

如表1所示，经自然语言处理技术分析得到的ID词库包括{flash,sale,city,user,info,night,model,btn,login,or,register,menu,book,hotel,msg,id,phone}，则描述控件1的ID的特征向量可使用词频-逆文本频率指数(Frequency-Inverse DocumentFrequency，TF-IDFTerm)方法构造得到，为[1/3*lg 6,1/3*lg 6,1/3*lg 6,0,0,0,0,0,0,0,0,0,0,0,0,0,0]。

3)控件文字内容的特征w_i ^t

如表1所示，经自然语言处理技术分析得到的文字描述词库包括{城市，夜晚，模式，登录，酒店，预订，短信，电话}，则描述控件1文字的特征向量可使用TF-IDF方法构造得到，为[lg6,0,0,0,0,0,0,0]。

4)控件位置的特征w₁ ^p

以3*3对屏幕进行划分，控件1的中心点位于屏幕中心区域，则其位置特征为[0,0,0,0,1,0,0,0,0]。

因此，得到控件的独立特征向量w₁＝[w₁ ^c；w₁ ^id；w_i ^t；w₁ ^p]。

5)构造描述控件周围布局的特征向量w_1上；w_1下；w_1左；w_1右

图2为本实施例中6个控件在手机屏幕中的相对位置图，如图2所示，控件2位于控件1的上方，控件5位于控件1的下方，控件3位于控件1的右方，因此w_1上＝w₂，w_1下＝w₅，w_1右＝w₃；控件1左方无控件，因此w_1左为零向量。

6)构造描述当前页面全部控件类型的特征向量s₁

如图2所示，当前页面共包含6个控件，所有控件的集合为{TextView,Switch,Button,RadioButton,EditText}，可使用TF-IDF方法构造描述当前页面全部控件类型的统计特征，即[1/6,1/6,2/6,1/6,1/6]。

将以上所有特征向量合并，即可得到控件1的特征向量x₁。

根据记录的可视化内容元素，提取可视化内容元素特征向量；

根据动态行为分类的结果，利用机器学习方法，训练动态行为类别关于可视化内容元素特征向量的关系模型。

利用机器学习方法，构造动态行为关于可视化内容元素特征向量的模型。例如，可以使用随机森林算法，根据步骤S2得到的控件的特征向量，以及表1中点击控件触发的函数类别，训练相应的模型P，可以得到P(f|x_i)，即点击任意控件i将触发f类别函数的概率。

其中，关系模型包括但不限于神经网络、随机森林和支持向量机。

S3根据所述的关系模型，预测点击待执行动态分析的移动应用的任意可视化内容元素后产生每类动态行为的概率，即动态行为触发概率。

S4根据所述的动态行为触发概率，采用点击策略点击待分析移动应用页面中的可视化内容元素，触发移动应用动态行为，完成对移动应用的动态分析。

对于待分析的移动应用，假设以触发通信行为的函数调用为目标，以贪婪算法作为点击策略进行动态分析，步骤如下：

4.1)启动待分析移动应用；

4.2)判断当前可视屏幕中是否有可点击，但尚未点击过的控件；

4.2.1)如果有，提取所有可点击但尚未点击的控件特征x_i；

4.2.1.1)令j＝arg max_i P(f＝通信行为|x_i)，记录控件j为点击过控件，点击控件j；

4.2.1.2)跳转至4.2；

4.2.2)如果没有，判断是否有父级页面；

4.2.2.1)如果有，返回至父级页面，跳转至4.2；

4.2.2.2)否则，分析结束。

其中，点击策略也可以是启发式算法或动态规划算法。

示意性地，图3显示了一款真实app的界面示意图。从图中可以看出，页面中包含了多种可视化元素。根据以上示意的分析过程，计算得出在当前页面下，点击图中输入框中所示的文字内容为“青铜会员您有一个礼包待领取”的“android.widget.Button”类型控件触发的通信行为(动态行为)的概率最高。因此，将点击该控件进入下一页面，发现页面跳转过程中触发了通信行为，然后进一步结合流量分析对该app进行进一步的测试分析。

本领域技术人员应能理解，上述所举的特征向量提取过程仅为更好地说明本发明实施例的技术方案，而非对本发明实施例作出的限定。任何根据可视化内容元素来进行特征向量提取的方法，均包含在本发明实施例的范围内。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种基于可视化内容的移动应用动态分析方法，其特征在于，包括：

点击移动应用中各类可视化内容元素，触发移动应用的动态行为，对动态行为进行分类，记录所述的可视化内容元素和对应的动态行为；具体包括：

所述的可视化内容元素包括当前点击的可视化内容元素属性、当前活动页面中的全部可视化内容元素属性和前往当前活动页面时点击的可视化内容元素属性；

所述的动态行为包括调用的函数名称和调用函数所在的类名；调用函数所在的类名包括界面变化行为、网络行为和通信行为；

在所述记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造动态行为关于可视化内容元素特征向量的关系模型；所述的可视化内容元素特征向量x_i是指界面中的各类控件元素属性的向量化描述，包括当前点击的控件特征、当前页面全部控件类型和数量的统计特征、前往当前活动页面时点击的控件特征；具体由当前页面全部控件类型及特征的统计特征向量s_i，控件i的特征向量f_i，前往当前页面时点击的控件j的特征向量f_j构成，即x_i＝[s_i；f_i；f_j]，其中，控件i的特征向量f_i由控件i的独立特征向量和布局在控件i周围的控件的独立特征向量构成，独立特征向量w_i包括控件类型w_i ^c、控件ID w_i ^id、描述文字w_i ^t、控件位置w_i ^p四类特征组成，即构造控件i的独立特征向量w_i，w_i＝[w_i ^c；w_i ^id；w_i ^t；w_i ^p]，根据控件的独立特征向量w_i，构造控件i的特征向量f_i，f_i＝[w_i；w_i上；w_i下；w_i左；w_i右]；

根据所述的关系模型，预测点击待执行动态分析的移动应用的任意可视化内容元素后产生每类动态行为的概率，即动态行为触发概率；

根据所述的动态行为触发概率，采用点击策略点击待分析移动应用页面中的可视化内容元素，触发移动应用动态行为，完成对移动应用的动态分析。

2.根据权利要求1所述的方法，其特征在于，所述的控件特征包括控件的类型、控件中的文字内容、控件的位置以及布局在所述控件的周围的控件的类型、控件的文字内容和控件的位置。

3.根据权利要求1所述的方法，其特征在于，所述的在所述记录中提取可视化内容元素的特征向量，根据动态行为分类的结果，构造每类动态行为关于可视化内容元素特征向量的关系模型，包括：

根据记录的可视化内容元素，提取可视化内容元素特征向量；

根据动态行为分类的结果，利用机器学习方法，训练动态行为类别关于可视化内容元素特征向量的关系模型。

4.根据权利要求3所述的方法，其特征在于，所述的关系模型包括神经网络、随机森林和支持向量机。

5.根据权利要求1所述的方法，其特征在于，所述的点击策略为贪婪算法、启发式算法或动态规划算法。

Images