共计 700 个字符，预计需要花费 2 分钟才能阅读完成。
澳大利亚研究团队近日取得一项重大技术突破，通过机器学习（Machine Learning，简称 ML）技术，能够在 Android 设备上以高达 98% 的准确率检测出隐藏的 ’ 保险箱 ’ 应用。这一发现为数字取证领域带来了新的可能性。
这项由伊迪斯科文大学（Edith Cowan University）和南昆士兰大学（University of Southern Queensland）联合开展的研究，针对日益严重的数字隐私安全问题提供了创新解决方案。保险箱应用作为一种特殊的移动应用程序，允许用户在多层级加密保护下存储文件、消息，甚至隐藏其他应用程序。虽然这类应用最初设计用于保护用户隐私，但近年来却被越来越多地用于非法活动，包括间谍行为和未经授权的监控。
‘ 这些应用具有极强的伪装性，能够模仿普通应用程序，使其检测难度显著增加，’ 伊迪斯科文大学副教授迈克·约翰斯通（Mike Johnstone）解释道。’ 现有的检测工具主要依赖于对可疑应用的先验知识，这种方法存在明显的局限性。’
与传统检测方法不同，这项新技术采用了基于机器学习的解决方案，无需预先建立可疑应用列表或数据库，即可实现对保险箱应用的精准识别。这一突破性进展为执法机构提供了一种高效、非侵入性的调查工具，特别是在智能手机用户已突破 50 亿大关的今天，具有重要的现实意义。
‘ 考虑到智能手机的普及程度，任何能够准确识别这些隐藏应用的非侵入性方法都可能成为改变游戏规则的关键，’ 约翰斯通教授强调。
研究团队表示，下一步将扩大研究范围，包括开发更多算法、构建更广泛的数据集，并将测试范围扩展至非 Android 设备。这一系列研究计划预示着移动设备安全检测技术将迎来新的发展机遇。
