← 返回列表

基于静态依赖分析的安卓GUI自动化探测方法

聚合站 SecWiki技术 作者 CodeWisdom 发布 2020年12月15日 09:48 入库 2026-11-18T21:41:04

点击“阅读原文”

获取论文原文

基于静态依赖分析的安卓GUI自动化探测方法

复旦大学CodeWisdom团队针对安卓应用的GUI自动化探测进行研究,提出了一种基于静态依赖分析的安卓GUI自动化探测方法,并开发了名为Gesda的GUI自动探测工具。该方法首先利用静态依赖分析构建页面跳转模型,随后基于该模型并结合深度优先的动态探测策略从而提高安卓应用GUI探测性能(即提高测试覆盖率、发现页面操作或跳转引发的应用崩溃)。该研究对应的论文“Improving Automated GUI Exploration of Android Apps via Static Dependency Analysis”发表在软件工程领域的国际会议ICSME 2020上。

论文作者包括郭武楠(复旦大学)、沈立炜(复旦大学)、苏亭(华东师范大学)、彭鑫(复旦大学)、谢威洋(复旦大学)。

01

背景

安卓应用的GUI探测技术在许多场景中发挥着重要作用,例如在功能测试中发现运行时错误、在安全分析中识别恶意行为、在竞争分析中重绘应用特征。为了支持GUI的自动化探测,现有技术采用特定的探测策略尽可能多地访问不同的GUI页面以提高探测效率。目前主要存在两种探测策略:随机策略和启发式策略。正如其名,随机策略是从当前页面中随机选取一个控件进行交互(如Monkey在当前页面的随机位置发送伪随机事件);启发式策略则基于规则选取页面上的特定控件进行交互(如Stoat采用基于UI权重的策略)。然而这些方法或工具的探测覆盖率仍然偏低。

02

三种依赖

为了探究这些方法或工具探测覆盖率低的原因,我们开展了一项实证研究:使用Monkey和Stoat分别在70个开源安卓应用上执行GUI自动化探测。通过分析结果报告,我们发现已有工具忽略了三种安卓应用中存在的代码级静态依赖,从而导致在探测过程中应用的部分事件没有被触发或者部分分支代码没有被执行。这三种依赖是:控件页面依赖(widget-page dependency)、控件间依赖(widget-widget dependency)、系统事件依赖(system-event dependency)。

(1)控件页面依赖:表示跳转到一个新的页面依赖于当前页面上某个控件事件的触发。如图1所示,在arXiv窗口的右上角有一个搜索按钮,该按钮的事件定义在arXiv窗口的布局文件中,其事件回调方法searchPressed定义在arXiv类中。点击该按钮会跳转到一个新的页面SearchWindow。Monkey和Stoat在探测过程中都没有点击这个搜索按钮,因此searchPressed方法和SearchWindow类中的代码没有被覆盖。

图1:控件页面依赖(widget-page dependency)

(2)控件间依赖:表示控件事件回调中分支代码的执行依赖于该控件上事件的触发以及和该控件相关联控件的状态。如图2所示,ThemeDialog的左下角有一个OK按钮,在该按钮的上方存在一个复选框与之关联。在探测过程中,Monkey和Stoat在点击OK按钮前都没有选中上方的复选框,因此OK按钮回调方法pressOK中的分支代码没有被覆盖。

图2:控件间依赖(widget-widget dependency)

(3)系统事件依赖:表示特定生命周期回调方法(例如onSaveInstanceState, onRestoreInstanceState)的执行依赖于某些特定的系统事件(例如屏幕旋转)的触发。Monkey和Stoat没有检测这些生命周期方法是否存在,因此在探测过程中没有模拟相应的系统事件来执行这些方法。

03

GUI自动化探测方法

以上三种静态依赖在动态探测过程中难以识别。但我们认为针对应用的静态分析可以提前识别出这些依赖,从而增强GUI自动化探测的性能。

基于该思想,本文提出的方法分为两个阶段(见图3):模型构建和动态探测

图3:方法概览

(1)在模型构建阶段,通过静态分析技术抽取并构造集成了依赖信息的页面跳转模型(简称为dPTM)。dPTM是一个图模型,其中节点表示页面,边表示页面间跳转,三种依赖关系蕴含在模型中。dPTM的构建过程分为页面抽取、控件抽取、跳转分析、控件间依赖分析这四个步骤。

1.页面抽取旨在抽取出应用中的所有页面(包括Activity, Menu和Dialog),同时分析页面代码中是否存在和系统事件依赖相关的生命周期回调。

2.控件抽取旨在识别每一张页面内所有已绑定事件的控件,例如绑定点击事件的按钮。

3.跳转分析旨在分析控件事件回调中的跳转方法(如startActivity)从而识别出页面间的跳转关联。

4.控件间依赖分析旨在分析控件事件回调中和控件状态选择相关的方法(如CheckBox.isChecked)并结合数据流分析确定所依赖的控件。

(2)在动态探测阶段,以dPTM作为引导,使用深度优先的探测策略执行自动化探测。具体步骤如下:

1.启动目标应用,并设置动态探测的上限时间(例如1小时)。

2.通过查询dPTM检测应用的当前页面是否存在系统事件依赖,若存在则触发相应的系统事件。

3.从当前页面中选择一个在dPTM中存在且未被执行的控件,同时检测该控件是否存在控件间依赖,若存在则对依赖控件的状态进行设置,随后模拟对该控件的操作。

4.当页面所对应的dPTM中的控件均被操作过一次后,从当前页面的剩余控件中选择一个未执行的控件对其进行模拟操作。

5.如果当前页面所有的控件都已被执行则回退至上一页面,重复执行步骤2-5直至超时。

探测过程存在一些需要被特殊处理的情况:

1)如果跳转至其他应用则先尝试按下手机的回退键回到本应用。若回退不成功则重启应用回到应用的开始页面继续探测。

2)如果GUI上的操作导致应用崩溃则重启应用。

04

实验评估

Gesda是基于所提方法的GUI自动探测工具。我们使用Gesda在70个开源安卓应用上进行探测,并与Monkey和 Stoat进行对比,从覆盖率、静态依赖的作用和crash检测这三个方面进行评估。

(1)表1结果表明,在平均类覆盖率、方法覆盖率、代码行覆盖率方面,Gesda比Monkey和Stoat中的最大者分别高出6%,5.6%和5.4%。

表1:覆盖率比较

(2)我们额外实现一个名为Gesda_DF的方法,该方法在Gesda基础上移除了静态依赖分析的部分,仅采用深度优先策略进行动态探测。表2结果表明Gesda在平均类覆盖率、方法覆盖率、代码行覆盖率方面均优于Gesda_DF,因此我们认为静态依赖分析对于覆盖率的提高发挥了重要作用。

表2:Gesda和Gesda_DF比较

另一方面,我们对Monkey, Stoat, Gesda, Gesda_DF四种方法的覆盖率增长趋势进行比较。可以看出,Gesda从一开始覆盖率增长比其他三个方法都快,在大约10分钟的时候覆盖率能够达到最终覆盖率的90%。

图4:覆盖率增长趋势

(3)在crash检测方面,Gesda总共发现了7个crash,其中1个也能被Monkey发现,2个能被Stoat发现,剩余4个仅能被Gesda发现。表3描述了这4个crash的触发过程,从描述中可得知这四个crash的产生都与控件页面依赖相关。

表3:crash描述

点击“阅读原文”获取论文原文

原文链接:https://mp.weixin.qq.com/s/YQDxUqo_ufjt3cuDNOUfwQ