論文の概要: ARMOUR US: Android Runtime Zero-permission Sensor Usage Monitoring from User Space
- arxiv url: http://arxiv.org/abs/2507.02177v1
- Date: Wed, 02 Jul 2025 22:18:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-04 15:37:15.277816
- Title: ARMOUR US: Android Runtime Zero-permission Sensor Usage Monitoring from User Space
- Title（参考訳）: ARMOUR US: ユーザ空間からのAndroidランタイムゼロパーミッションセンサ使用状況監視
- Authors: Yan Long, Jiancong Cui, Yuqing Yang, Tobias Alam, Zhiqiang Lin, Kevin Fu,
- Abstract要約: この研究は、ユーザーのプライバシー漏洩を引き起こす可能性のあるAndroidゼロパーミッションセンサーへのアクセスを監視する方法について調査する。
ユーザ空間監視のためのARMOURを開発し,Androidの本質的なサンプリングレート変動と収束挙動を利用した。
1,448の商用アプリケーションによる評価は、難読化コードのセンサ利用の検出におけるARMOURの有効性を示している。
- 参考スコア（独自算出の注目度）: 29.326546732781267
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work investigates how to monitor access to Android zero-permission sensors which could cause privacy leakage to users. Moreover, monitoring such sensitive access allows security researchers to characterize potential sensor abuse patterns. Zero-permission sensors such as accelerometers have become an indispensable part of Android devices. The critical information they provide has attracted extensive research investigating how data collectors could capture more sensor data to enable both benign and exploitative applications. In contrast, little work has explored how to enable data providers, such as end users, to understand sensor usage. While existing methods such as static analysis and hooking-based dynamic analysis face challenges of requiring complicated development chains, rooting privilege, and app-specific reverse engineering analysis, our work aims to bridge this gap by developing ARMOUR for user-space runtime monitoring, leveraging the intrinsic sampling rate variation and convergence behaviors of Android. ARMOUR enables privacy-aware users to easily monitor how third-party apps use sensor data and support security researchers to perform rapid app-agnostic sensor access analysis. Our evaluation with 1,448 commercial applications shows the effectiveness of ARMOUR in detecting sensor usage in obfuscated code and other conditions, and observes salient sensor abuse patterns such as 50% of apps from seemingly sensor-independent categories accessing data of multiple zero-permission sensors. We analyze the impact of Android's recent policy changes on zero-permission sensors and remaining technical and regulatory problems.
- Abstract（参考訳）: この研究は、ユーザーのプライバシー漏洩を引き起こす可能性のあるAndroidゼロパーミッションセンサーへのアクセスを監視する方法について調査する。
さらに、このような機密アクセスを監視することで、セキュリティ研究者は潜在的なセンサーの乱用パターンを特徴づけることができる。
加速度計のようなゼロパーミッションセンサーは、Androidデバイスにとって必須の要素となっている。
彼らが提供した重要な情報は、データコレクターがより多くのセンサーデータをキャプチャして、良質なアプリケーションと悪用的なアプリケーションの両方を可能にする方法について、広範な研究を惹きつけている。
それとは対照的に、エンドユーザなどのデータプロバイダがセンサの使用方法を理解する方法を模索する作業はほとんどない。
静的解析やフックベースの動的解析といった既存の手法では,複雑な開発チェーンやルートの特権,アプリ固有のリバースエンジニアリング分析といった課題に直面していますが,ユーザ空間のランタイム監視のためのARMOURを開発し,Androidの本質的なサンプリングレート変動と収束挙動を活用することで,このギャップを埋めることを目指しています。
ARMOURは、プライバシを意識したユーザが、サードパーティアプリがセンサーデータをどのように使っているかを簡単に監視し、セキュリティ研究者を支援して、アプリに依存しない迅速なセンサーアクセス分析を実行する。
1,448の商用アプリケーションによる評価は、難読化コードやその他の条件下でのセンサ使用の検出におけるARMOURの有効性を示し、複数のゼロパーミッションセンサーのデータにアクセスしているように見えるセンサ非依存のカテゴリから、アプリの50%のような正常なセンサ乱用パターンを観察する。
我々は、Androidの最近のポリシー変更によるゼロパーミッションセンサーへの影響と、技術的および規制上の問題について分析する。
関連論文リスト
- SensorLM: Learning the Language of Wearable Sensors [50.95988682423808]
本稿では,自然言語によるウェアラブルセンサデータ理解を可能にするセンサ言語基盤モデルのファミリーであるSensorLMを紹介する。
本稿では,センサデータから統計的,構造的,意味的な情報を収集する階層的なキャプション生成パイプラインを提案する。
このアプローチにより、これまでで最大のセンサー言語データセットのキュレーションが可能となり、103,000人以上から5970万時間以上のデータを収集した。
論文 参考訳（メタデータ） (2025-06-10T17:13:09Z) - Entropy Collapse in Mobile Sensors: The Hidden Risks of Sensor-Based Security [1.6267479602370545]
我々は、複数のコンテキストにまたがる4つの多様なデータセットの移動センサデータのエントロピーを系統的に分析する。
以上の結果から, 敵は全計測空間の徹底的, 強烈な探索を通じて, センサ信号を予測できる可能性が示唆された。
論文 参考訳（メタデータ） (2025-02-13T17:50:58Z) - MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T13:32:59Z) - Stream-based perception for cognitive agents in mobile ecosystems [0.7865191493201839]
我々は,低レベルのセンサデータストリームにおいて,エージェントが意味のある状況を認識するためのストリームベースの認識手法を提案する。
スマートフォンのセンサデータから得られた状況が、エージェントが合意に達するために使用するオークションをトリガーし、ガイドする方法を示す。
論文 参考訳（メタデータ） (2024-01-24T17:14:50Z) - Drone Detection and Tracking in Real-Time by Fusion of Different Sensing
Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。
われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。
このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文 参考訳（メタデータ） (2022-07-05T10:00:58Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Radar Voxel Fusion for 3D Object Detection [0.0]
本稿では,3次元物体検出のための低レベルセンサ融合ネットワークを開発する。
レーダーセンサーの融合は、雨や夜景のような裂け目状態において特に有益である。
論文 参考訳（メタデータ） (2021-06-26T20:34:12Z) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳（メタデータ） (2021-06-21T16:35:49Z) - A First Look at Privacy Analysis of COVID-19 Contact Tracing Mobile
Applications [3.592774078025348]
2019年12月の新型コロナウイルス(COVID-19)の流行は、新型コロナウイルスの症状を示す人々を追跡し、追跡し、隔離するモバイルアプリケーションが急増している。
内蔵センサーを使うことで、ユーザーの個人情報が開示される可能性があるため、ユーザーのプライバシーとセキュリティに脅威をもたらす可能性がある。
本稿では、新型コロナウイルスの感染拡大を封じ込め、人々の生活を正常に戻すために設計された、多数のスマートフォンアプリケーションについて分析する。
論文 参考訳（メタデータ） (2020-06-23T21:57:00Z) - RelSen: An Optimization-based Framework for Simultaneously Sensor
Reliability Monitoring and Data Cleaning [7.359795285967954]
ほとんどのセンサアプリケーションでは、センサーはエラーを起こしやすいことが知られており、その測定は予想外のタイミングで誤解を招く可能性がある。
既存の研究では、センサーの信頼性の監視とセンサデータのクリーニングを別の問題と見なすことが多い。
本稿では,これら2つの問題に相互依存を利用して同時に対処する,新しい最適化ベースのフレームワークであるRelSenを提案する。
論文 参考訳（メタデータ） (2020-04-19T03:52:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。