Date of Award

11-2024

Document Type

Thesis

Degree Name

Master of Science in Software Engineering

Department

Computer Science and Software Engineering

First Advisor

Dr. Salah Bouktif

Abstract

The rapid growth in mobile applications raises critical concerns about the security of apps and users' privacy, especially in permission control. Mobile apps access sensitive information of users, and the current cybersecurity landscape faces a huge challenge in ensuring the least required permissions are granted. This research focuses on designing an advanced permission recommendation system that couples the strengths of Natural Language Processing (NLP) and Machine Learning (ML) in solving most of the existing gaps in permission management, thus guiding which permissions are mostly needed by Android applications.

The research thus follows a multi-classification approach, integrating state-of-the-art ML techniques with feature extraction via the NLP methods. The Key elements of information extracted from application descriptions then utilized by the system in the detection of patterns and hidden insight, forming permission recommendations. These insights enable ML models to predict, for each application, a minimum yet adequate set of permissions, enhancing security and maintaining user privacy.

It dynamically suggests permissions in real-time, so that an application requests only what it really needs. This approach not only strengthens the security capabilities of Android applications but also ensures respect for user privacy through the avoidance of excessive permission requests. This paper presents a new permission recommendation system as it significantly contributes to creating a more secure and user-centric environment in Android.

These results will contribute to enhancing the security of mobile applications and set a base for future improvements in permission recommendation systems crucial for safeguarding user data and fostering trust in digital ecosystems.

Arabic Abstract


توصية الأذونات لتطبيقات الأندرويد باستخدام معالجة اللغة الطبيعية وتعلم الآلة

الهدف من هذا البحث هو تطوير نظام توصية للأذونات يعتمد على تكامل تقنيات معالجة اللغة الطبيعية (NLP) وتعلم الآلة (ML) لتحسين أمان التطبيقات وحماية خصوصية المستخدمين في بيئة الأندرويد. يتزايد عدد التطبيقات المتاحة على منصة الأندرويد بشكل سريع، مما يثير مخاوف متزايدة حول أمان التطبيقات وإدارة الأذونات بشكل فعال. يمثل منح الأذونات غير الضرورية تهديدًا كبيرًا لخصوصية المستخدم وأمان البيانات، لذا يهدف هذا البحث إلى تقديم حلول مبتكرة للتوصية بالأذونات المطلوبة بشكل دقيق وفعال.

يعتمد النظام المقترح على نهج متعدد المستويات يستفيد من تقنيات تعلم الآلة لاستخراج العناصر الأساسية من وصف التطبيقات وتعليقات المستخدمين، بالإضافة إلى تطبيق تقنيات معالجة اللغة الطبيعية لاكتشاف الرؤى الدقيقة من تلك البيانات. تشمل منهجية البحث استخدام نماذج تعلم الآلة لتوقع الأذونات اللازمة لكل تطبيق بناءً على بيانات وصف التطبيقات والتعليقات، وتطبيق نهج التجميع (Ensemble) لتحسين دقة التوصيات المقدمة وزيادة مستوى الأمان.

تم تحقيق نتائج ملحوظة في هذه الدراسة من خلال الوصول إلى نسبة إيجابيات حقيقية (TPR) أعلى ونسبة إيجابيات خاطئة (FPR) أقل مقارنةً بالدراسات السابقة. كما أن النظام المقترح قادر على استخراج مجموعة أوسع من التطبيقات بشكل فعّال، مما يعزز دقة النظام وأمان توصيات الأذونات. بالإضافة إلى ذلك، يعزز النهج المتبع في هذه الدراسة القدرة على تقديم توصيات ديناميكية تتكيف مع تغيرات التطبيقات وتحسين الأداء بشكل مستمر.

من بين أبرز المساهمات التي قدمتها هذه الدراسة هي تطوير نظام توصية للأذونات يعتمد على استخدام تقنيات تعلم الآلة المتقدمة ومعالجة اللغة الطبيعية، مما يؤدي إلى تحسين أداء نظام الأمان بشكل كبير. النظام المطور يحقق توازنًا مثاليًا بين تقليل الأذونات غير الضرورية وزيادة مستوى الأمان والخصوصية للمستخدمين. يُعتبر هذا النظام خطوة مهمة نحو بناء بيئة تطبيقات أندرويد أكثر أمانًا من خلال تقديم توصيات دقيقة وفعّالة فيما يخص الأذونات المطلوبة، وبالتالي تقليل المخاطر المحتملة على خصوصية المستخدم وأمان بياناته.

تظهر هذه النتائج أهمية استخدام تقنيات الذكاء الاصطناعي، بما في ذلك تعلم الآلة ومعالجة اللغة الطبيعية، في تحسين أمان التطبيقات المحمولة. كما تؤكد هذه الدراسة على فاعلية استخدام نهج التجميع (Ensemble) في تحسين دقة التوصيات وتقليل احتمالية الأخطاء، مما يساهم في تعزيز الأمن السيبراني وتقديم حلول عملية للتحديات المستمرة التي تواجهها منصات التطبيقات المحمولة.

Download
COinS