随着移动互联网的迅猛发展,Android系统逐渐成为了目前最主流的移动系统平台之一,但同时也成为了恶意应用的主要攻击对象,其中一种常见的恶意行为就是隐私泄漏。研究人员提出了包括静态污点分析和动态污点分析等多种方法来保护用户隐私。然而,这些方法并不能检测出Android应用中所有的隐私泄露问题,其中利用动态加载实现的隐私泄露就是很难有效解决的一个问题。动态加载机制可以使Android应用在运行时加载额外的代码,扩展应用的功能,因此被广泛应用在Android开发中。但隐私泄漏行为也可以隐藏在动态加载的外部代码中,从而很难被检测工具所检测到。要有效地解决这一问题,仍然面临着两大挑战:1)如何确定动态加载的位置和触发条件;2)如何有效触发系统中的动态加载行为并检查出由动态加载引发的隐私泄漏问题。因此,本文提出了一种基于模型的Android动态加载隐私泄漏检测方法,有效地对这一系列挑战进行解决,主要工作如下:1.提出了基于静态分析的模型库构建工作。针对如何确定动态加载的位置和触发条件的问题,本文实现了对Android应用的静态分析工作,获取应用的程序信息以及动态加载的调用信息;接着,我们在软件资产复用思想的启发下将分析结果进行了模型设计,抽象为模型进行保存,构建出Android应用程序模型库。通过该模型库不仅可以实现对动态加载位置的定位,还可以复用到其他需要静态分析结果工作。2.实现了针对动态加载的隐私泄漏检测方法。对于动态加载的有效触发和隐私泄漏检测问题,本文利用模型库中的静态模型生成动态输入事件,更有效地对动态加载行为进行触发,同时通过插桩技术向应用中插入可以获取动态加载相关信息的代码,得到动态加载相关信息。最后我们利用获取到的信息实现了一种面向路径的污点分析方法,对动态加载引发的隐私泄漏问题进行检测。3.本文结合静态分析模型库构建技术,动态执行技术以及面向路径的污点分析多种技术,开发了针对动态加载的隐私泄漏检测工具DL2,然后构建了包含2578个动态加载隐私泄漏的实验数据集,并与现有的相关检测工具在数据集上进行了实验比较,结果表明本文方法可以更有效地检测出由动态加载引发的隐私泄漏问题。