一文了解如何使用移動應用安全組件Soot和Flowdroid

摘要：移動應用安全檢測，soot、flowdroid分別作為靜態分析、污點分析主要工具，能我們能夠快速高效的進行檢測分析、本文主要介紹兩個工具的基本操作及相應的使用場景

本文分享自華為雲社區《移動應用安全常用組件Soot、Flowdroid簡介&基本使用》，作者：舞陽河畔程序猿 。

概述

Android作為一個開放的移動應用平台，無論是系統還是APK應用面臨嚴峻的安全問題，針對應用安全面臨的威脅，檢測技術也在不斷演進，但是基於靜態分析的方式始終繞不過Soot跟FlowDroid，前者是一個java語言分析工具，同時也支持APK文件的分析，后者則是污點分析工具，通過生成Graph追蹤污點傳輸路徑。下面針對這兩個進行介紹介紹，幫助讀者能快速入門。

Soot

簡介

soot是java優化框架，提供4種中間代碼來分析和轉換字節碼。

• Baf：精簡的字節碼表示，操作簡單
• Jimple：適用於優化的3-address中間表示
• Shimple：Jimple的SSA變體
• Grimple：適用於反編譯和代碼檢查的Jimple匯總版本。

soot提供的輸入格式有：java、android、class等

輸出格式有：Java字節碼、android字節碼、Jimple、Jasmin、shimple、baf等，這些實際業務中常使用的，當然還有其它的格式，這里不再一一列舉。

借助soot對android的分析能力，我們可以進一步分析安卓應用的安全漏洞，比如組件暴露、加密算法等存在的安全問題。

基本使用

可以GIT下載最新的soot jar包，我下載的是4.1.0版本中的sootclasses-trunk-jar-with-dependencies.jar 包，這個包應該自帶了soot所需要的所有依賴。下載完成后使用powershell進入jar文件所在的文件夾，可以輸入以下命令：

java -cp sootclasses-trunk-jar-with-dependencies.jar soot.Main查看soot相關的信息

首先我們來看soot怎么分析java代碼（這里以class文件分析為例）：

第一步，配置soot環境信息

StringBuffer cp = new StringBuffer();
cp.append(".");
cp.append(File.pathSeparator + apiPath);
cp.append(File.pathSeparator + "C:\\Program Files\\Java\\jre1.8.0_171\\lib\\rt.jar" + File.pathSeparator 
                  + "C:\\Program Files\\Java\\jre1.8.0_171\\lib\\jce.jar");
System.setProperty("soot.class.path", cp.toString());

第二步，設置soot的配置屬性（各屬性說明可以參考GIT上官方文檔信息）

soot.options.Options.v().set_keep_line_number(true);
soot.options.Options.v().set_whole_program(true);
soot.options.Options.v().setPhaseOption("jb", "use-original-names:true");
soot.options.Options.v().setPhaseOption("cg", "verbose:false");
soot.options.Options.v().setPhaseOption("cg", "trim-clinit:true");
soot.options.Options.v().set_src_prec(Options.src_prec_class);
soot.options.Options.v().set_prepend_classpath(true);
soot.options.Options.v().setPhaseOption("wjop", "enabled:false");

第三步，拿到代碼信息

for (String clzName : SourceLocator.v().getClassesUnder("class文件所在路徑")) {
    System.out.printf("api class: %s\n", clzName);
    // 加載要處理的類設置為應用類，並加載到soot環境Scene中
    Scene.v().loadClass(clzName, SootClass.BODIES).setApplicationClass();
}
for (SootClass clz : Scene.v().getApplicationClasses()) {
    //遍歷獲取類、方法等需要的信息
}

現在，我們在看看soot怎么分析android apk

Options.v().set_src_prec(Options.src_prec_apk);
Options.v().set_output_format(Options.output_format_jimple);
Options.v().set_process_dir("待處理文件所在路徑");
// 安卓JDK所在目錄，只需要指定官方SDK包platforms-new目錄下jar所在路徑即可
Options.v().set_android_jars("jdk path");
Options.v().set_keep_line_number(true);
Options.v().set_allow_phantom_refs(true);
Options.v().set_process_multiple_dex(true);
Options.v().set_whole_program(true);
Scene.v().loadNecessaryClasses();
new CallGraphBuilder().build();

同樣，我們可以得到apk的代碼信息，包括class、method、attribute等，基於這些進行進一步分析並應用到實際檢測業務中。

使用場景

使用Soot對Android應用進行靜態分析，目前包括主要的檢測場景：

• 檢測應用中敏感字符串url和email、IP等
• 檢測應用中風險代碼片段
• 檢測應用可能存在的漏洞，如組件暴露、過度申請權限、不安全加密算法等

FlowDroid

簡介

FlowDroid是目前對Android app進行污點分析效果最好的工具之一。 污點分析的目的其實很簡單，就是為了檢查是否應用中是否存在從污點源到泄漏點的數據流。 但是它的優點在於它構建的數據流精度很高，可以對上下文，流，對象和字段敏感，從而使得分析結果非常精確。

它實現精准分析的原因有幾點：

• 1. 它對Android聲明周期進行了比較完整的構建，例如Activity中的OnCreate，OnResume等。通過抽象一個dummyMain作為分析的入口來支持Android應用的分析；
• 2. 它實現了精准的數據流分析，其中包含前向污點分析和后向別名分析。他們的實現其實都是基於heros的數據流分析框架來實現的。這里面的算法比較復雜，我的理解是這兩種分析都是滿足上下文敏感和流敏感的，后向分析的算法提供了對象敏感和字段敏感的支持；
• 3. 它支持簡單的native code的污點分析

當然，它也存在一些不足之處，包括：

• 1. 不能對組件間（Intent）的污點傳播進行分析
• 2. 隱式流問題
• 3. native code不能完美支持

盡管存在一些不足之處，在各大會議上也已經提出了數十種新的靜態污點分析算法，相比FlowDroid在一些數據集或是DroidBench上有着更快的運行速度以及更優的精准度。但FlowDroid仍然是公共資源中可獲取的靜態污點分析工具的唯一選擇，因為很多paper提供的源代碼幾乎沒有注釋與文檔，導致使用極其困難；另外科研人員往往僅在有限的測試集上進行了運行，所以去使用這樣的程序不可避免的會遇到Bug。相比之下，FlowDroid作為被持續維護的一款框架，其穩定性上具備了一定的保證，同時其底層的Soot框架強大的功能與較為完善的文檔，使得FlowDroid上手難度相對較低。

基本使用

環境配置

FlowDroid的配置方法有兩種，可以直接下載相關jar包，也可以使用maven配置依賴。jar包可以去FlowDroid的GitHub上進行下載，僅需soot-infoflow-android-classes.jar和soot-infoflow-classes.jar兩個文件即可，另外去Soot的倉庫 下載包含了heros與jasmin的sootclasses-trunk-jar-with-dependencies.jar，將上述三個包加入項目依賴便完成了FlowDroid的配置

運行

整個FlowDroid最頂層的類便是soot.jimple.infoflow.android.SetupApplication，大部分的設置與運行都可以通過操作這個類的實例進行。SetupApplication既可以在調用runInfoflow()時傳入配置參數，也可以在初始化SetupApplication時或初始化后傳入配置參數。SetupApplication的初始化函數以及runInfoflow函數有多種不同參數類型的實現，可以查閱源碼后根據情況選擇，這里僅提供我自己使用的一種方式：

關於Source、Sink

污點分析中的source點表示污點分析的起始點，而sink點表示污點分析的結束點。換言之，FlowDroid在“掃描”這個apk后，會從source點開始分析數據流，當數據流“流到”sink點時將其標注。FlowDroid中的source與sink均為類方法，在soot-infoflow-android下有提供一份SourcesAndSinks.txt的文件，是FlowDroid當時使用的一些可能涉及到訪問隱私數據的api，從里面很容易看出聲明文件的格式：

每一行作為獨立的聲明，%開頭的表示注釋，可以根據應用需求自行添加刪減Source與Sink的聲明。

使用場景

Flowdroid本身輸出結果只是數據流信息，需要結合我們定制source、sink信息產生業務價值，一般有以下使用場景：

• 隱私數據泄露檢測
• 污點傳播類問題檢測
• Android組件間數據傳遞風險檢測

文末福利：華為雲漏洞掃描服務VSS 基礎版限時免費體驗>>>

 

點擊關注，第一時間了解華為雲新鮮技術~