摘要：

密鑰是保證Android設(shè)備安全的重要組件之一,密鑰的生成與使用均需要用到隨機(jī)數(shù),生成高質(zhì)量的隨機(jī)數(shù)需要高熵值的隨機(jī)源。另一方面,移動廣告等業(yè)務(wù)對不同的Android設(shè)備提供個(gè)性化服務(wù)時(shí),需要對智能終端進(jìn)行識別,因此需要采集設(shè)備特征,而識別設(shè)備需要低熵值的信息源。鑒于此,本文分析了Android的進(jìn)程調(diào)度信息,通過信息熵分析其隨機(jī)性,在進(jìn)程調(diào)度信息中找到了較高熵值的隨機(jī)源與相對唯一的進(jìn)程訪問密度特征。基于此分別提出真隨機(jī)數(shù)和設(shè)備特征生成方法,主要分為以下兩個(gè)方面:一方面,真隨機(jī)數(shù)發(fā)生器主要利用物理隨機(jī)事件作為噪聲源,而目前大多數(shù)Android設(shè)備均未集成真隨機(jī)數(shù)發(fā)生器芯片,因此從操作系統(tǒng)中尋找高熵值的真隨機(jī)源尤為重要。本文分析了Android系統(tǒng)中的側(cè)信道信息,發(fā)現(xiàn)進(jìn)程調(diào)度中的進(jìn)程調(diào)用號訪問順序規(guī)律體現(xiàn)著中斷次數(shù)變化情況。增加相同的中斷次數(shù)所需時(shí)間間隔t序列滿足負(fù)指數(shù)分布,即其為Poisson流,而Poisson流具有無記憶特性,則時(shí)間間隔t序列中的每一個(gè)值只與鄰近值相關(guān),所以可以考慮將相同時(shí)間間隔內(nèi)增加的中斷次數(shù)作為隨機(jī)數(shù)噪聲源。基于此,通過分析進(jìn)程調(diào)用號的訪問順序,把中斷次數(shù)作為噪聲源,經(jīng)過對噪聲源信息進(jìn)行預(yù)處理、劃分區(qū)間和量化編碼生成隨機(jī)數(shù)。通過計(jì)算生成隨機(jī)數(shù)序列的最小熵來評價(jià)隨機(jī)數(shù)序列的優(yōu)劣。同時(shí)比較了不同區(qū)間劃分方法的效果,分析采樣間隔、噪聲源方差和隨機(jī)數(shù)最小熵之間的關(guān)系,討論了系統(tǒng)中幾個(gè)主要進(jìn)程與隨機(jī)數(shù)最小熵的相關(guān)性。最終得到結(jié)論:采用不均勻劃分五個(gè)區(qū)間、采樣間隔為1ms、抑制ksoftirqdr進(jìn)程的運(yùn)行,可以得到較高熵值的隨機(jī)數(shù)序列。另外一方面,目前Android設(shè)備特征生成方法,多是讀取IMEI等信息,需要獲取敏感權(quán)限,但獲取root權(quán)限的用戶可以任意修改這些信息。針對以上問題,本文提出兩種零權(quán)限設(shè)備特征生成方法。系統(tǒng)運(yùn)行時(shí)需要調(diào)用多個(gè)進(jìn)程,不同設(shè)備相同時(shí)刻系統(tǒng)運(yùn)行狀態(tài)不同,從而進(jìn)程調(diào)度中的進(jìn)程號訪問密度不同。同一設(shè)備一段時(shí)間內(nèi)系統(tǒng)穩(wěn)定運(yùn)行,進(jìn)程號訪問密度基本不變。設(shè)備穩(wěn)定運(yùn)行提供較小的信息熵,體現(xiàn)出較小的隨機(jī)性。基于此,本文分析進(jìn)程號訪問密度,以系統(tǒng)中正在運(yùn)行且進(jìn)程號小于300的進(jìn)程信息為設(shè)備特征信息源,提出兩種設(shè)備特征生成方法。采用誤識率、拒識率和等誤率三個(gè)評價(jià)指標(biāo)確定相似性匹配算法中的閾值,利用精準(zhǔn)率、召回率和F_β分?jǐn)?shù)對設(shè)備特征生成方法進(jìn)行評價(jià)。

展開

總結(jié)

以上是生活随笔為你收集整理的android随机匹配,基于进程调度的Android真随机数和设备特征生成方法的研究的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。