Clustering of Mobile Devices Based on Their Security State

Bc. Dáša Pawlasová

Bachelor's thesis

Abstract:

Mobilní zařízení jsou nedílnou součástí našeho každodenního života a stejně tak i mobilní aplikace. Proto je důležité tyto aplikace chránit před možným zneužitím a hrozbami. Existuje mnoho způsobů ochrany aplikací, jedním z nichž je použití bezpečnostních knihoven. Tyto knihovny jsou zdrojem obrovského množství dat, jejichž analýzou lze získat mnoho cenných poznatků. Tato práce se zabývá analýzou a shlukováním dat o mobilních zařízeních získaných z bezpečnostní knihovny Talsec. Nejdříve jsou data představena a připravena pro průzkumnou analýzu. Následně jsou data analyzována pomocí různých vizualizačních a statistických metod. Dále jsou data zakódována pomocí dvou technik kódování - pomocí základního one-hot kódování a kódování s přihlédnutím k rizikovosti jednotlivých stavů bezpečnostních prvků. Poté jsou představeny algoritmy a evaluační metriky pro shlukování. S použitím těchto algoritmů jsou modely trénovány na vzorku dat, zvlášť pro platformy Android a iOS. Na základě zmíněných evaluačních metrik jsou vybrány dva nejlepší algoritmy, které jsou dále použity na rozsáhlejších datech. Výsledné shluky jsou vyhodnoceny a interpretovány pomocí evaluačních metrik pro shlukování a vlastních metrik určených k vyjádření rizikovosti shluků.

Abstract:

Nowadays, mobile devices are an essential part of our everyday lives, and so are mobile applications. Therefore, it is important to protect the applications from potential misuse and threats. There are many ways to protect the applications, one of which is using security libraries. These libraries are a source of a vast amount of data that, when analysed, can yield many valuable insights. This thesis explores, analyses, and clusters data from mobile devices obtained by the Talsec security library. Firstly, the data is introduced and prepared for exploratory analysis. Subsequently, the data is analysed using various visualisation and statistical methods. Next, the data is encoded using two encoding techniques, first using basic one-hot encoding and second taking into account the riskiness of each security feature state. Afterwards, several clustering algorithms and unsupervised clustering metrics are discussed. Using these algorithms, models are trained separately on Android and iOS sample datasets. Two best-performing algorithms are selected based on the unsupervised clustering metrics and trained on larger datasets. Finally, the resulting clusters are evaluated and interpreted using the unsupervised clustering metrics and custom metrics designed to express the riskiness of each cluster.

Keywords

clustering, machine learning, visualisation, analysis, Talsec, mobile security, Android, iOS, shlukování, strojové učení, vizualizace, analýza, bezpečnost mobilních zařízení

Language used: English

Date on which the thesis was submitted / produced: 19. 5. 2022

Thesis defence

• Date of defence: 27. 6. 2022
• Supervisor: Mgr. Antonín Dufka
• Reader: doc. RNDr. Petr Švenda, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Informatics