Università di Genova logo, link al sitoUniRe logo, link alla pagina iniziale
    • English
    • italiano
  • English 
    • English
    • italiano
  • Login
View Item 
  •   DSpace Home
  • Tesi
  • Tesi di Laurea
  • Laurea Magistrale
  • View Item
  •   DSpace Home
  • Tesi
  • Tesi di Laurea
  • Laurea Magistrale
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Analisi Dinamica e Automatica di app iOS

View/Open
tesi22411420.pdf (3.879Mb)
Author
Salvatore, Matteo <1996>
Date
2022-12-20
Data available
2022-12-29
Abstract
Questa tesi mira a definire una metodologia per l'analisi dinamica delle app iOS combinando diverse tecniche di analisi allo stato dell'arte, portando allo sviluppo di uno strumento che consente di analizzare le app iOS native e che allo stesso tempo è in grado di gestire automaticamente le interazioni con la Graphical User Interface (GUI). Nello specifico questo strumento è in grado di tracciare le chiamate di sistema in fase di runtime, mentre le interazioni dell'app in analisi avvengono senza necessità di interazioni manuali, ma gestite attraverso un sistema in grado di riconoscere i singoli elementi dell'app e interagire con essi opportunamente. L'efficacia e l'applicabilità dell'approccio è dimostrata da una fase di test eseguita su 50 app iOS reali appartenenti a diverse categorie. Grazie a ciò è stato possibile individuare due App che si differenziavano per l'utilizzo anomalo di alcune chiamate di sistema.
 
This thesis aims to define a methodology for the dynamic analysis of iOS apps by combining different state-of-the-art analysis techniques, leading to the development of a tool that allows to analyze native iOS apps and that at the same time is able to manage the interactions with the Graphical User Interface (GUI) automatically. More specifically this tool is able to trace system calls at runtime, while the interactions of the app under analysis take place without the need for manual interactions, but managed through a system that can recognize the individual elements of the app and interact with them appropriately. The efficacy and applicability of the approach is demonstrated by a test phase executed on 50 real-world iOS apps belonging to different categories. Thanks to this it was possible to identify two Apps that differed in the anomalous use of some system calls.
 
Type
info:eu-repo/semantics/masterThesis
Collections
  • Laurea Magistrale [5659]
URI
https://unire.unige.it/handle/123456789/4982
Metadata
Show full item record

UniRe - Università degli studi di Genova | Contact Us
 

 

All of DSpaceCommunities & Collections

My Account

Login

UniRe - Università degli studi di Genova | Contact Us