%0 Journal Article %A 张贤贤 %A 王浩宇 %A 郭耀 %A 徐国爱 %T 基于众包和机器学习的移动应用隐私评级研究 %D 2018 %R 10.3778/j.issn.1673-9418.1710030 %J 计算机科学与探索 %P 1238-1251 %V 12 %N 8 %X

移动平台上广泛存在权限滥用的问题,在用户不知情的情况下,很多应用会获取并泄露用户的隐私信息。隐私信息的使用是否合理与其使用意图相关。为了实现基于用户期望对应用的敏感行为进行隐私评分,提出一种基于应用敏感权限使用意图的隐私评级模型,基于众包数据中421个用户16 651个数据对不同的<应用,权限,意图>组合的评分,使用机器学习技术建立准确的隐私评级预测模型。通过静态分析应用使用敏感权限的意图,使用隐私评级模型对应用进行评分。实验结果表明,所建立的隐私评级模型能够达到80.7%的准确率。通过将隐私评级模型应用于来自谷歌商店的11 931个应用,结果表明大约8%的应用存在严重的隐私风险。

%U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1710030