論文の概要: Exploring Runtime Evolution in Android: A Cross-Version Analysis and Its Implications for Memory Forensics

• arxiv url: http://arxiv.org/abs/2512.18517v1
• Date: Sat, 20 Dec 2025 21:59:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.374426
• Title: Exploring Runtime Evolution in Android: A Cross-Version Analysis and Its Implications for Memory Forensics
• Title（参考訳）: Androidのランタイム進化を探る - クロスバーション分析とメモリフォサイシクスへの応用
• Authors: Babangida Bappah, Lauren G Bristol, Lamine Noureddine, Sideeq Bello, Umar Farooq, Aisha Ali-Gombe,
• Abstract要約: 本稿では,Androidランタイム (ART) の構造進化に関する最初の体系的研究と,そのメモリフォサイシクスへの応用について述べる。 その結果, 73.2%以上の構造部材が位置変化を受けており, 適応性と信頼性に有意な影響が認められた。 我々は、一般的なメモリ法医学ツール、特にAndroidがハイブリッドアプローチに向かって進化することを推奨する。
• 参考スコア（独自算出の注目度）: 0.4771971685916732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Userland memory forensics has become a critical component of smartphone investigations and incident response, enabling the recovery of volatile evidence such as deleted messages from end-to-end encrypted apps and cryptocurrency transactions. However, these forensics tools, particularly on Android, face significant challenges in adapting to different versions and maintaining reliability over time due to the constant evolution of low-level structures critical for evidence recovery and reconstruction. Structural changes, ranging from simple offset modifications to complete architectural redesigns, pose substantial maintenance and adaptability issues for forensic tools that rely on precise structure interpretation. Thus, this paper presents the first systematic study of Android Runtime (ART) structural evolution and its implications for memory forensics. We conduct an empirical analysis of critical Android runtime structures, examining their evolution across six versions for four different architectures. Our findings reveal that over 73.2% of structure members underwent positional changes, significantly affecting the adaptability and reliability of memory forensic tools. Further analysis of core components such as Runtime, Thread, and Heap structures highlights distinct evolution patterns and their impact on critical forensic operations, including thread state enumeration, memory mapping, and object reconstruction. These results demonstrate that traditional approaches relying on static structure definitions and symbol-based methods, while historically reliable, are increasingly unsustainable on their own. We recommend that memory forensic tools in general and Android in particular evolve toward hybrid approaches that retain the validation strength of symbolic methods while integrating automated structure inference, version-aware parsing, and redundant analysis strategies.
• Abstract（参考訳）: ユーザーランドメモリの法医学はスマートフォンの調査やインシデント対応において重要な要素となり、エンドツーエンドの暗号化アプリや暗号通貨取引から削除されたメッセージなどの不安定な証拠の回収を可能にしている。 しかし、これらの調査ツール、特にAndroidでは、証拠の回収と復元に不可欠な低レベルの構造が常に進化するため、異なるバージョンに適応し、時間とともに信頼性を維持するという重大な課題に直面している。 単純なオフセット修正から完全なアーキテクチャ再設計まで、構造的な変更は、正確な構造解釈に依存する法医学的なツールに対して、相当な保守と適応性の問題を引き起こす。 そこで本研究では,Android Runtime (ART) の構造進化に関する最初の体系的研究と,そのメモリフォサイシクスへの応用について述べる。 重要なAndroidランタイム構造を実証分析し、その進化を4つの異なるアーキテクチャ向けに6つのバージョンで検証する。 その結果、73.2%以上の構造部材が位置変化を受けており、記憶法医学ツールの適応性と信頼性に大きな影響を及ぼすことが明らかとなった。 Runtime、Thread、Heap構造といったコアコンポーネントのさらなる分析は、異なる進化パターンと、スレッド状態列挙、メモリマッピング、オブジェクト再構成などの重要な法医学的操作への影響を強調している。 これらの結果は、静的構造定義とシンボルベースの手法に依存する従来のアプローチは、歴史的に信頼できるが、それ自身では持続不可能であることを示している。 我々は,一般的なメモリ法医学ツール,特にAndroidが,自動構造推論,バージョン認識解析,冗長解析戦略を統合しつつ,シンボルメソッドの検証強度を維持するハイブリッドアプローチに進化することを推奨する。

関連論文リスト

• DynaQuery: A Self-Adapting Framework for Querying Structured and Multimodal Data [0.0]
  構造化されていないデータを問合せするための統合された自己適応フレームワークであるDynaQueryを紹介します。 DynaQueryの中心にIntrospection and Linking Engine (SILE)がある。これは、スキーマリンクをファーストクラスのクエリ計画フェーズに高める新しいシステムプリミティブである。 我々の研究は、堅牢で適応性があり、予測可能である自然言語データベースインタフェースを開発するための検証済みのアーキテクチャ基盤を提供する。
  論文  参考訳（メタデータ） (2025-10-20T19:02:35Z)
• PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
  既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。 PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。 既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
  論文  参考訳（メタデータ） (2025-10-12T10:34:35Z)
• An Improved Time Series Anomaly Detection by Applying Structural Similarity [17.056935729423667]
  本稿では,新しい構造強化型異常検出手法であるStrADを提案する。 この結果から,StrADは5つの実世界の異常検出データセットにまたがって,最先端の再構築モデルの性能を向上させることを示した。
  論文  参考訳（メタデータ） (2025-09-24T14:45:00Z)
• CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
  本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。 私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
  論文  参考訳（メタデータ） (2025-09-02T03:30:07Z)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Dynamic Symbolic Execution for Semantic Difference Analysis of Component and Connector Architectures [0.3299877799532224]
  本稿では,動的シンボリック実行(DSE)のコンポーネント・アンド・コネクタアーキテクチャのセマンティック差分解析への応用について検討する。 既存のMontiArc-to-Javaジェネレータを拡張して、実行時にシンボルデータと具体的な実行データの両方を収集しました。 我々は,実行効率,最小限,完全性の基準に基づいて,様々な実行戦略を評価する。
  論文  参考訳（メタデータ） (2025-08-01T16:24:58Z)
• AlphaFold Database Debiasing for Robust Inverse Folding [58.792020809180336]
  Debiasing Structure AutoEncoder (DeSAE)を導入し、故意に破損したバックボーンジオメトリからネイティブライクなコンフォーメーションを再構築することを学ぶ。 推測において、DeSAEをAFDB構造に適用すると、逆折り畳み性能を著しく向上する偏りのある構造が生成される。
  論文  参考訳（メタデータ） (2025-06-10T02:25:31Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• On the interplay of adversarial robustness and architecture components: patches, convolution and attention [65.20660287833537]
  本研究は,学習した特徴の解釈可能性と,未知の脅威モデルに対する頑健性に及ぼす対人訓練の効果について検討する。 ResNetからConvNeXtへのアブレーションにより、キーとなるアーキテクチャ上の変更により、約10%高い$ell_infty$-robustnessが実現した。
  論文  参考訳（メタデータ） (2022-09-14T22:02:32Z)
• Comparative Code Structure Analysis using Deep Learning for Performance Prediction [18.226950022938954]
  本稿では,アプリケーションの静的情報(抽象構文木やASTなど)を用いてコード構造の変化に基づいて性能変化を予測することの実現可能性を評価することを目的とする。 組込み学習手法の評価により,木系長短メモリ(LSTM)モデルでは,ソースコードの階層構造を利用して遅延表現を発見し,最大84%(個人的問題)と73%(複数の問題を含む組み合わせデータセット)の精度で性能変化を予測できることが示された。
  論文  参考訳（メタデータ） (2021-02-12T16:59:12Z)

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。