RISIKEN MOBILER APPS ERKENNEN UND VERHINDERN · HSMs, Side-Channel, EMA-, Fault-Analysis Product-...

© Fraunhofer AISEC | D. Titze

RISIKEN MOBILER APPS ERKENNEN UND VERHINDERN

Mario Hoffmann

16. Jahresfachkonferenz, Datenschutz und Datensicherheit23. und 24. Juni 2014 in Berlin

© Fraunhofer AISEC | M. Hoffmann | 2

1. Fraunhofer AISEC

2. App-Analyse Tool App-Ray

3. Untersuchung 10.000 Android Apps

Agenda


Embedded Security Trusted platforms (HW/SW-Co-Design)

Hardware Security HSMs, Side-Channel, EMA-, Fault-Analysis

Product- and Know-How-Protection PUFs, Smart Materials, Firmware-Protection

IP-based Networks Cloud-Networking, Secure Multi-Party Computation

Digital Identity Attribute based IDs, Object-IDs, Web-IDs

Mobile Security Trusted BYOD, App-Analysis Tool, Automotive-Sec.

Fraunhofer AISEC



Problem:

Verhalten einer App nicht offensichtlich

Analyse in offiziellen Märkten undurchsichtig und unzureichend

Nicht nur Malware stellt eine Bedrohung dar

App-Analyse

© F

orb

es.

com


Lösung

Vollautomatische Sicherheitsuntersuchung von Android-Apps

Klassifikation gemäß benutzerspezifischem Richtlinienkatalog

Aufdecken von Schwachstellen, Datenlecks, Datenschutzverletzungen, Programmierfehlern, …

App-Ray

http://www.app-ray.de


Beispiele für typische Implementierungsfehler

Fehlerhafte Implementierung von TrustManager

Ermöglicht MitM-Angriffe auf SSL, Abhören von sensiblen Daten

Fehlendes setFilterTouchesWhenObscured

Kein Schutz gegen Tapjacking-Angriffe

Fehlerhafte Permissions für Content-Provider, unabsichtlicher Export

Andere Apps können Daten lesen und schreiben

App-Analyse


App-Ray


Katalog von High-Level Kriterien

Vertraulichkeit, Datenschutz, ...

Konfigurierbare Zuweisung von Testverfahren

Wird zur Auswertung der Analysen herangezogen

App-Ray


Untersuchen von AndroidManifest.xml, Ressourcen & Market-Infos

Activities, Services, Content Provider, Broadcast Receiver

Permissions

Bekannte Binaries (busybox, su, iptables) und Exploits

Bekannte Bibliotheken für Payment, User Tracking, Advertising

Metadata Analysis


Disassemblieren (Smali)

Dekompilieren (DED Decompiler)

Suche nach dedizierten Code-Patterns

Suche nach kritischen API-Calls

Location, Read Logs, Send SMS, Contact Data, …

Suche nach dynamisch geladenem Code, JNI

Code Analysis

public void checkServerTrusted(java.security.cert.X509Certificate[] p1, String p2) {

return;

}


Control Flow Analysis

Call Graph

Control Flow Graph

Bidirektionale Datenflussanalyse(statisches Tainting)

Erkennen von Datenlecks(bspw. Kontaktdaten – Socket)

Code Analysis


Ausführen der unmodifizierten App in emulierter Umgebung

Aufzeichnen und Wiedereinspielen von Benutzerinteraktionen

Syscall-Monitoring per Kernel-Modul

Aufzeichnen des Netzwerktraffic(insbes. Erkennen von unverschlüsselten Verbindungen & Ad-Hosts)

Dynamic Taint Analysis(taintdroid + Scripting zur Automatisierung und Auswertung)

Monitored Execution


Re-packaging von Apps und Modifikation des Bytecodes

Instrumentieren von SSL-Verbindungen zum Mitschneiden von Klartext-Kommunikation ohne MitM

Injecten von dynamischer Taint-Analyse entlang kritischer Datenpfade

Härten von Apps durch Überwachen von Datenpfaden und kritischen API Calls

Instrumented Execution


Auswertung der Rohdaten mit konfigurierbaren Regeln

Regeln entsprechen High-Level-Kriterien

Benutzer erhält

High-Level-Übersicht

Detaillierte Ergebnisse

(ggf. Rohdaten)

Auswertung mit Regeln


Aktuelle Untersuchung: 10.000 Apps


Analyse

• 10.000 Apps aus dem Google Play Store (Q1/2014)

• 5kB – 50MB

• 7051 verschiedene Entwickler

• Ø290k Codezeilen (inkl. enthaltener Bibliotheken)

Eingesetzte Verfahren

• Metadaten Analyse

• Statische Analyse

• Dynamische Analyse

www.app-ray.de


Kommunikationsziele (4058)


0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

INTERNET

WRITE_EXTERNAL_STORAGE

READ_PHONE_STATE

WAKE_LOCK

ACCESS_WIFI_STATE

ACCESS_FINE_LOCATION

ACCESS_COARSE_LOCATION

GET_ACCOUNTS

RECEIVE_BOOT_COMPLETED

BILLING

CAMERA

READ_CONTACTS

WRITE_SETTINGS

RECORD_AUDIO

READ_EXTERNAL_STORAGE

CALL_PHONE

SYSTEM_ALERT_WINDOW

WRITE_CONTACTS

Auswertung der 10.000 beliebtesten Apps


Auswertung der 10.000 beliebtesten Apps (2)

96%

4%

Versand der IMEI direkt nach Start

Internet-Berechtigung

9%

91%

31%

69%

76%

24%

Selbst implementierte SSL-Überprüfung

Unverschlüsselte Kommunikation


5193

2154

Receiver

427

100Provider

Auswertung der 10.000 beliebtesten Apps (3)

75%

25%

Native Bibliotheken

Exportierte Komponenten

1994

997

Services

83%

17%

Starten eines Hintergrunddienstes


App-Ray


Automatisierter Prüfprozess für Apps

Best practices, Anti-patterns

Capability leak Erkennung

Trusted App-Store

"Härtung" von Apps

Tamper-proof Apps: Verhindern von Disassemblieren, customized Obfuscation/Encryption

Ggf. Binden von Code an Device

Ausblick


Review der App-Stores nicht ausreichend

Nicht nur Malware stellt eine Gefahr dar

Mehr Transparenz nötig!

Trusted App-Store?

Lösungsansatz: www.App-Ray.de

Fazit


Mario [email protected]

Fraunhofer AISECService & Application SecurityParkring 485748 Garching (bei München)http://www.aisec.fraunhofer.de

Kontakt

RISIKEN MOBILER APPS ERKENNEN UND VERHINDERN · HSMs, Side-Channel, EMA-, Fault-Analysis Product-...

Documents

Transcript of RISIKEN MOBILER APPS ERKENNEN UND VERHINDERN · HSMs, Side-Channel, EMA-, Fault-Analysis Product-...