論文の概要: Static Attribution of Android Residential Proxy Malware Using Graph Kernels

• arxiv url: http://arxiv.org/abs/2604.27302v1
• Date: Thu, 30 Apr 2026 01:29:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.864424
• Title: Static Attribution of Android Residential Proxy Malware Using Graph Kernels
• Title（参考訳）: グラフカーネルを用いたAndroid住宅用プロキシマルウェアの静的属性
• Authors: Peter Clark, Yong Guan, Zhonghao Liao,
• Abstract要約: 本稿では,自動プロキシウェアファミリー属性に対する静的解析パイプラインを提案する。 4つの商用プロキシネットワークにまたがる3,365のAndroidプロキシアプリのラベル付きコーパスから行動シグネチャを抽出する。 拡張データセットから、APKPureを通じて利用可能なアプリケーションの大部分が、組み込みプロキシSDKコードを含んでいることが分かります。
• 参考スコア（独自算出の注目度）: 30.116718043086735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Android residential proxy applications represent a growing class of potentially-unwanted programs (PUPs) that covertly route third-party traffic through end-user devices, enabling ad fraud, credential abuse, and evasion of geolocation controls by sophisticated threat actors. Attributing an unknown APK to a specific proxy network remains challenging due to code reuse, SDK embedding, and obfuscation across proxy families. We present a static-analysis pipeline for automated proxyware family attribution, extracting graph-structured representations (control-flow and function-call graphs) and behavioral signatures from a labeled corpus of 3,365 Android proxy apps spanning four commercial proxy networks. We evaluate Weisfeiler-Lehman graph kernel features alone and fused with binary capability vectors across multiple classifiers. Using 5-fold DEX-grouped cross-validation to prevent data leakage, SGD achieves a macro F1 of 0.985 on the expanded dataset. To support explainability, we map classifier decisions to automatically generated Yara rules, achieving per-family accuracies up to 88.45\% after filtering non-discriminative signatures. Finally, we discuss these results in the context of the broader ecosystem. We find that from the expanded dataset, the majority of applications (51.4\%) still available through APKPure still contain embedded proxy SDK code. Further analysis of developer accounts reveals that 23 developers are responsible for other applications also containing such functionality, suggesting continuous and ongoing commercial relationships between proxy providers and developers.
• Abstract（参考訳）: Androidの住宅プロキシアプリケーションは、エンドユーザーデバイスを介してサードパーティーのトラフィックを隠蔽し、高度な脅威アクターによる広告詐欺、クレデンシャル不正、位置情報コントロールの回避を可能にする、潜在的に望ましくないプログラム(PUP)のクラスである。 未知のAPKを特定のプロキシネットワークにアトリビュートすることは、コードの再利用、SDKの埋め込み、プロキシファミリ間の難読化など、依然として困難である。 本研究では,4つの商用プロキシネットワークにまたがる3,365個のAndroidプロキシアプリのラベル付きコーパスから,グラフ構造化表現(制御フローと関数コールグラフ)と動作シグネチャを抽出する,自動プロキシウェアファミリー属性のための静的解析パイプラインを提案する。 Wesfeiler-Lehmanグラフカーネルの特徴のみを評価し、複数の分類器にまたがるバイナリ機能ベクトルと融合する。 5倍のDEXグループによるクロスバリデーションを使用してデータ漏洩を防止し、SGDは拡張データセット上で0.985のマクロF1を達成する。 説明可能性を支持するために、分類器の決定を自動生成するYaraルールにマップし、非識別シグネチャをフィルタリングした後、家族ごとのアキュラシーを88.45\%まで達成する。 最後に、これらの結果をより広いエコシステムの文脈で論じる。 拡張データセットから、APKPureを通じて利用可能なアプリケーションの大部分(51.4\%)には、組み込みプロキシSDKコードが含まれています。 開発者アカウントのさらなる分析により、23人の開発者がそのような機能を含む他のアプリケーションに責任を負っており、プロキシプロバイダと開発者の間の継続的かつ継続的な商業的関係が示唆されている。

関連論文リスト

• $k$NNProxy: Efficient Training-Free Proxy Alignment for Black-Box Zero-Shot LLM-Generated Text Detection [19.213077720525696]
  既存のLGT検出器は、学習ベースのアプローチとゼロショットメソッドの2つの幅広いクラスに分類される。 ゼロショット法の信頼性は、オフザシェルフプロキシLDMがしばしば未知のソースとよく一致しているという仮定に依存している。 トレーニング不要でクエリ効率のよいプロキシアライメントフレームワークである$k$-nearest neighbor proxy(k$NN Proxy)を提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:11:06Z)
• Governing Dynamic Capabilities: Cryptographic Binding and Reproducibility Verification for AI Agent Tool Use [0.0]
  既存のセキュリティレイヤでは、AIエージェントに何ができるか、それが主張するものを実行したのか、マルチエージェントインタラクションで何が起きたのかを検証できない。 既存のフレームワークはこれら2つを詳述し、サイレントな能力のエスカレーションを可能にし、検証済みの証明なしに相互作用を残す。 我々は3つのエージェントガバナンス要件を導出する:能力の完全性(G1)、行動の妥当性(G2)、相互作用監査性(G3)。 基本(Ed25519, SHA-256; 97 us verify)と拡張(BBS+選択開示、Groth16 DV-SNARK; 13.8 ms)の2つの暗号に依存しないインスタンス化で検証する。
  論文  参考訳（メタデータ） (2026-03-15T11:46:57Z)
• When Benchmarks Lie: Evaluating Malicious Prompt Classifiers Under True Distribution Shift [0.0]
  有害なリクエスト、ジェイルブレイク、間接的なプロンプトインジェクション、抽出攻撃にまたがる18のデータセットのベンチマークを用いて、包括的な分析を行う。 我々は,真のアウト・オブ・ディストリビューションの一般化を評価するために,LODO(Leave-One-Dataset-Out)評価を提案する。
  論文  参考訳（メタデータ） (2026-02-15T14:21:43Z)
• Agent Identity URI Scheme: Topology-Independent Naming and Capability-Based Discovery for Multi-Agent Systems [0.0]
  マルチエージェントシステムは基本的なアーキテクチャ上の欠陥に直面している。 我々は、トポロジから3つのコンポーネントを通してアイデンティティを分離する Agent:// scheme を提案する。 組織権限を確立する信頼根、階層的な能力パス、ソート可能なユニークな識別子は安定した参照を提供する。
  論文  参考訳（メタデータ） (2026-01-21T01:09:22Z)
• BackdoorAgent: A Unified Framework for Backdoor Attacks on LLM-based Agents [58.83028403414688]
  大規模言語モデル(LLM)エージェントは、計画、メモリ、ツールの使用を組み合わせた多段階ワークフローを通じてタスクを実行する。 エージェントワークフローの特定のステージに注入されたバックドアトリガーは、複数の中間状態を通して持続し、下流出力に悪影響を及ぼす可能性がある。 LLMエージェントにおけるバックドア脅威を統一したエージェント中心のビューを提供するモジュールおよびステージアウェアフレームワークである textbfBackdoorAgent を提案する。
  論文  参考訳（メタデータ） (2026-01-08T03:49:39Z)
• SP$^2$T: Sparse Proxy Attention for Dual-stream Point Transformer [9.162445137828966]
  Sparse Proxy Point Transformer (SP$2$T) を提案する。 SP$2$Tは、室内および屋外の3D理解ベンチマークで許容できるレイテンシで、最先端の結果を設定する。
  論文  参考訳（メタデータ） (2024-12-16T08:21:09Z)
• A Non-isotropic Probabilistic Take on Proxy-based Deep Metric Learning [49.999268109518255]
  プロキシベースのDeep Metric Learningは、クラス代表者(プロキシ)に画像を埋め込むことで学習する さらに、プロキシベースのDMLは、クラス内部構造を学ぶのに苦労している。 両問題に対処するために,非等方的確率的プロキシベースDMLを導入する。
  論文  参考訳（メタデータ） (2022-07-08T09:34:57Z)
• ProxyMix: Proxy-based Mixup Training with Label Refinery for Source-Free Domain Adaptation [73.14508297140652]
  Unsupervised domain adapt (UDA) は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的としている。 Proxy-based Mixup training with label refinery (ProxyMix)を提案する。 3つの2D画像と1つの3Dポイントクラウドオブジェクト認識ベンチマークの実験は、ProxyMixがソースフリーなUDAタスクに最先端のパフォーマンスをもたらすことを示した。
  論文  参考訳（メタデータ） (2022-05-29T03:45:00Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Non-isotropy Regularization for Proxy-based Deep Metric Learning [78.18860829585182]
  本稿では,プロキシに基づくDeep Metric Learningのための非等方正則化(mathbbNIR$)を提案する。 これにより、プロキシの周囲のサンプルの非等方分布を明示的に誘導して最適化することが可能になる。 実験では、競争力と最先端のパフォーマンスを達成しながら、$mathbbNIR$の一貫性のある一般化の利点を強調している。
  論文  参考訳（メタデータ） (2022-03-16T11:13:20Z)
• Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies [65.92826041406802]
  本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。 複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。 本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-10-26T14:52:42Z)

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。