AppScanner : Identification automatique des applications de smartphone à partir du trafic réseau chiffré

L'identification et le fingerprinting automatiques des applications de smartphone deviennent une technique de collecte de données très attractive pour les adversaires, les administrateurs réseau, les enquêteurs et les agences de marketing. En effet, la liste des applications installées sur un appareil peut être utilisée pour identifier des applications vulnérables qu'un attaquant pourrait exploiter, découvrir l'utilisation d'applications sensibles par une victime, assister la planification du réseau et aider au marketing. Cependant, le fingerprinting d'applications est compliqué par le grand nombre d'applications disponibles en téléchargement, la large gamme d'appareils sur lesquels elles peuvent être installées, et l'utilisation de protocoles de chiffrement de charge utile tels que HTTPS/TLS. Dans cet article, nous présentons une méthode novatrice et un cadre de mise en œuvre, appelé AppScanner, pour le fingerprinting automatique et l'identification en temps réel des applications Android à partir de leur trafic réseau chiffré. Pour construire des empreintes d'applications, nous exécutons automatiquement des applications sur un appareil physique afin de collecter leurs traces réseau. Nous appliquons diverses stratégies de traitement à ces traces réseau avant d'extraire les caractéristiques utilisées pour entraîner nos algorithmes d'apprentissage supervisé. Notre méthodologie de génération d'empreintes est hautement évolutive et ne repose pas sur l'inspection des charges utiles des paquets, ainsi notre cadre fonctionne même lorsque HTTPS/TLS est utilisé. Nous avons construit et déployé ce cadre léger et réalisé un ensemble complet d'expériences pour évaluer sa performance. Nous avons automatiquement profilé 110 des applications les plus populaires du Google Play Store et avons pu les réidentifier ensuite avec plus de 99 % de précision.