• 중소기업융합학회논문지
• /
• 제2권1호
• /
• pp.51-58
• /
• 2012

안드로이드 플랫폼은 리눅스 2.6 커널을 기반으로 강력한 운영체제와 포괄적 라이브러리, 멀티미디어 환경, 사용자 인터페이스, 폰 애플리케이션 등을 제공한다. 안드로이드는 개방형 운영체제이기 때문에, 어느 벤더기기에든 탑재가 가능하다. 현재 스마트폰뿐만 아니라 넷북, 네비게이션, 카 PC, 태블릿 PC, 산업용 PC 등 여러 분야에서 사용되고 있다. 안드로이드를 다른 기기에 탑재하거나 안드로이드 플랫폼에 새로운 디바이스를 탑재하려면 많은 어려움이 따른다. 본 논문에서는 하드웨어 장치에서 발생한 데이터가 최상위 애플리케이션까지 전달되는 과정과 안드로이드 플랫폼이 하드웨어 디바이스를 관리하는 체계를 분석하고, WiFi 디바이스를 탑재하는 절차를 안드로이드 및 드라이버 컴파일 환경구축, 커널에서 WiFi 사용을 위한 프로토콜 지원, WiFi 디바이스를 커널에 탑재, 안드로이드 플랫폼에 디바이스 드라이버 등록, WiFi 관리서비스 데몬(wpa_supplicant)과 IP 할당서비스 데몬(dhcpcd) 등록, 데몬(wpa_supplicant)과 HAL의 통신을 위한 소켓 생성으로 제시하고 있다. 실험에서는 본 논문에서 제시한 방법을 이용하여 ARM 계열과 X-86 계열의 안드로이드 플랫폼에 WiFi 디바이스를 탑재했다. 안드로이드 플랫폼에 디바이스 탑재 시에는 안드로이드의 소프트웨어 계층을 이해하는 것이 매우 중요하며, 이러한 경험은 안드로이드 플랫폼에 새로운 디바이스를 탑재할 때에도 많은 도움이 될 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.517-526
• /
• 2013

안드로이드 장치용으로 모바일 애플리케이션을 개발할 때 안드로이드의 인텐트(intent)는 안드로이드 장치에서 애플리케이션 내부와 애플리케이션 간의 메시지 전달 메커니즘으로 사용된다. 그러나 안드로이드의 인텐트는 서로 다른 안드로이드 장치 간의 인텐트를 이용한 메시지 전송은 지원되지 않고 있다. 만약 서로 다른 안드로이드 장치 간에 인텐트를 전송하는 기능이 지원된다면 좀 더 다양한 애플리케이션 구현을 쉽게 할 수 있다. 서로 다른 안드로이드 장치 간에 메시지 전송을 할 때 Socket을 이용하여 메시지를 전송 할 수는 있지만, 항상 연결을 유지하여야 한다는 단점이 있다. 따라서 본 논문에서는 서로 다른 안드로이드 장치 간의 메시지 전송을 위한 BRIF(Broadcasting Remote Intent FrameWork) 프레임워크를 제안한다. BRIF 프레임워크는 구글의 C2DM 서비스를 이용하여 서로 다른 안드로이드 장치 간의 메시지 전송을 비동기적으로 푸쉬하는 기능을 서비스하는 프레임워크다. 이것은 기존의 로컬 기기내에서 인텐트를 사용하는 것과 동일한 방법으로 원격지에 사용자 정의 인텐트를 보내는 코드를 쉽게 작성할 수 있다.

• 한국멀티미디어학회논문지
• /
• 제23권5호
• /
• pp.641-649
• /
• 2020

As the usage of mobile devices extremely increases, malicious mobile apps(applications) that target mobile users are also increasing. It is challenging to detect these malicious apps using traditional malware detection techniques due to intelligence of today's attack mechanisms. Deep learning (DL) is an alternative technique of traditional signature and rule-based anomaly detection techniques and thus have actively been used in numerous recent studies on malware detection. In order to develop DL-based defense mechanisms against intelligent malicious apps, feeding recent datasets into DL models is important. In this paper, we develop a DL-based model for detecting intelligent malicious apps using KU-CISC 2018-Android, the most up-to-date dataset consisting of benign and malicious Android apps. This dataset has hardly been addressed in other studies so far. We extract OPcode sequences from the Android apps and preprocess the OPcode sequences using an N-gram model. We then feed the preprocessed data into LSTM and apply the concept of Information Gain to improve performance of detecting malicious apps. Furthermore, we evaluate our model with numerous scenarios in order to verify the model's design and performance.

• 정보과학회 논문지
• /
• 제43권3호
• /
• pp.275-288
• /
• 2016

본 논문에서는 현재 스마트 모바일 장치의 운영체제 중 가장 많이 사용되고 있는 안드로이드의 보안에 대하여 연구하였다. 안드로이드의 보안 장치들 중 플랫폼 자원을 보호하기 위하여 제공되는 권한은 기능에 따라 세밀하게 권한을 조정할 수 없으며 사용자가 애플리케이션의 권한을 제한하지 못한다는 문제점을 가지고 있다. 이러한 문제점을 보완하고자 프레임워크 레벨에서 애플리케이션의 플랫폼 자원에 대한 접근 제어할 수 있도록 하는 MacDroid를 제안한다. MacDroid는 기존의 권한을 세분화하여 기능 단위로 정책을 설정하여 강제하며, 설정된 정책을 바로 애플리케이션의 행위에 적용이 가능하다. 기존의 플랫폼과 MacDroid를 적용한 플랫폼을 비교하여 적은 오버헤드로 애플리케이션의 플랫폼 자원 접근에 대하여 정책을 강제가 가능함을 확인하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권5호
• /
• pp.379-386
• /
• 2015

본 논문에서는 스마트폰 사용자 중심의 반응 완료 시간에 대한 동적 분석을 활용하여 사용자가 실제 인지하는 성능 중심의 새로운 최적화 프레임워크를 제안한다. 이를 위하여 먼저 스마트폰 응용프로그램에서 사용자가 실제 인지하는 성능에 대한 평가 지표로써 사용자 중심 반응 시간을 정의한다. 또한, 이러한 사용자 중심 반응 시간의 동적 탐색에 기반하여 사용자가 인지할 수 있는 성능 병목 지점을 최적화의 힌트로써 개발자에게 제공하는 사용자 중심 반응 시간 분석 도구의 설계와 개발에 대하여 소개한다. 제안한 사용자 중심 반응 시간 분석 도구를 갤럭시 넥서스 스마트폰에 구현하여 그 정확도와 계산부하를 평가한 결과, 전체 반응 시간의 1% 미만의 계산 부하로 카메라를 이용하여 측정한 결과 대비 92%의 정확도를 보였다. 제안한 도구의 효율성 평가를 위하여 소스 코드가 공개되어 있는 안드로이드 응용프로그램의 성능 개선에 제안한 도구를 활용하여 최대 16.4%의 성능 향상을 달성하였다.

• Journal of Positioning, Navigation, and Timing
• /
• 제7권4호
• /
• pp.217-226
• /
• 2018

According to the Korea Coast Guard's maritime disaster statistics (Korea Coast Guard 2017, Korean Statistical information Service 2018), an average of 2,140 marine accidents occurred every year for the past 6 years and the number of accidents is increasing every year. Among them, maritime accidents of fishing vessels are the most frequent, and recently accidents involving fishing boat and leisure vessels are rapidly increasing as well. In particular, the number of accidents involving leisure vessels increased to about one-third of the accidents of fishing vessels, and emergency rescue requests are increasing every year accordingly. However, the number of crash accidents involving users of small vessels and marine leisure activities are increasing because of the difficulties of installing navigation equipment and electronic navigation charts. Recently, the demand for precise positioning using mobile devices is increasing in the fields of maritime safety, piloting support, and coastal survey. Although various applications of smart devices provide location-based services for users, the measurement results are discontinuous when using the position coordinates of the National Marine Electronics Association (NMEA) calculated by smartphone. Recently, Google announced that they will provide GPS raw data to developers from Android 7.0 Nougat. As a result, developers have an opportunity to receive precise carrier phase and code measurements to make more accurate positioning according to the performance of Android devices. This study analyzed GPS positioning performance using Android devices, and compared and analyzed the positioning performance at sea with high-performance GPS receivers.

• 인터넷정보학회논문지
• /
• 제20권2호
• /
• pp.61-68
• /
• 2019

대부분의 인터넷 서비스를 손쉽게 이용할 수 있다는 장점으로 인해 스마트폰 사용자가 지속적으로 증가하고 있으나, 위조앱이 급증하고 있어 스마트폰 내부에 저장된 개인정보가 외부로 유출되는 문제점이 발생하고 있다. Android 앱은 자바 언어로 개발되었기 때문에 디컴파일 과정을 수행한 후 리패키징 취약점을 역이용할 경우 손쉽게 위조앱을 만들 수 있다. 물론 이를 방지하기 위해 난독화 기술을 적용할 수 있으나 대부분의 모바일 앱에는 미적용 상태로 배포되고 있으며, 안드로이드 모바일 앱에 대한 리패키징 공격을 근본적으로 차단하는 것은 불가능하다. 또한 스마트폰 내에 앱을 설치하는 과정에서 위조 여부를 자체 검증하는 기능을 제공하지 않아 스마트폰내 저장된 개인정보가 외부로 유출되고 있다. 따라서 이를 해결하기 위해 Hyperledger Fabric 블록 체인 프레임 워크를 사용하여 정상앱 등록 과정을 구현하고 이를 기반으로 효율적으로 위조앱을 식별 및 탐지할 수 있는 메커니즘을 제시하였다.

• International Journal of Advanced Culture Technology
• /
• 제10권3호
• /
• pp.360-370
• /
• 2022

Demand for machine learning systems continues to grow, and cloud machine learning platforms are widely used to meet this demand. Recently, the performance improvement of the application processor of smartphones has become an opportunity for the machine learning platform to move from the cloud to On-Device AI, and mobile applications equipped with machine learning functions are required. In this paper, machine learning tools for mobile applications are investigated and compared the characteristics of these tools.

• 한국ITS학회 논문지
• /
• 제11권1호
• /
• pp.72-85
• /
• 2012

현재, 차량 내에서 사용하는 대부분의 블루투스 핸즈프리 디바이스는 음성 통화, 발신자 식별번호 표시 및 SMS 메시지 표시 등의 전화 서비스 기능을 제공하고 있지만 인터넷 기반의 텍스트 데이터 디스플레이 기능은 지원하지 않고 있다. 최근 들어 차량에서도 SNS와 같은 인터넷 서비스 이용에 대한 요구가 증가하고 있어, 기존의 핸즈프리 기능 이외에도 인터넷 기반의 텍스트 데이터를 표시하는 기능의 개발이 필요하다. 제안하는 블루투스 디바이스 응용은 SNS 메시지 및 이메일 도착 알림 표시 등의 향상된 기능을 포함하며, 구현 플랫폼으로는 대부분의 SNS 응용 프로그램의 동작이 가능하고 소형 임베디드 디바이스에 탑재가 용이한 안드로이드 플랫폼을 사용한다. 제안하는 블루투스 디바이스와 연결되는 스마트폰 또는 태블릿 PC 역시 안드로이드 플랫폼 기반의 단말기이며, 단말 탑재 기능 모듈인 오디오-텍스트 게이트웨이는 안드로이드 앱 형태로 설계된다. 오디오-텍스트 게이트웨이 앱은 SNS 텍스트 데이터 수신시, 메시지 헤더 정보에서 제목, 발신자 정보 등을 추출하여 텍스트 데이터 형태로 ACL(Asynchronous Connection-Oriented) 링크를 통해 블루투스 디바이스로 전송하여 화면에 표시되도록 한다. 일반적으로 안드로이드 플랫폼에 탑재된 블루투스 핸즈프리 또는 헤드셋 프로파일은 오디오 게이트웨이의 기능만을 포함하고 있기 때문에 안드로이드 기반의 블루투스 디바이스에서는 음성 데이터의 스피커 출력이 불가능하다. 따라서 제안하는 블루투스 디바이스 응용은 블루투스 헤드셋 프로파일에서 일반적으로 사용되는 SCO(Synchronous Connection-Oriented) 링크를 통한 음성 데이터 전송 방식 대신에 ACL 링크를 통한 스트리밍 방식을 적용한다.

• 인터넷정보학회논문지
• /
• 제19권1호
• /
• pp.27-35
• /
• 2018

본 논문은 안드로이드 플랫폼에서 악성 어플리케이션을 탐지하기 위한 연구로, 안드로이드 악성 어플리케이션에 대한 위협과 행위 분석에 대한 연구를 바탕으로 머신러닝을 적용한 악성 어플리케이션 탐지를 수행하였다. 안드로이드의 행위 분석은 동적 분석도구를 통해 수행할 수 있으며, 이를 통해 어플리케이션에 대한 API Calls, Runtime Log, System Resource, Network 등의 정보를 추출할 수 있다. 이 연구에서는 행위 분석을 통한 특징 추출을 머신러닝에 적용하기 위해 특징에 대한 속성을 변환하고, 전체 특징에 대한 머신러닝 적용과 특징들의 연관분석을 통한 주성분분석으로 특징간의 상관분석으로 얻은 머신러닝 적용을 수행하였다, 이에 대한 결과로 악성 어플리케이션에 대한 머신러닝 분류 결과는 전체 특징을 사용한 분류 결과보다 주요 특징을 통한 정확도 결과가 약 1~4%정도 향상되었으며, SVM 분류기의 경우 10%이상의 좋은 결과를 얻을 수 있었다. 이 결과를 통해서 우리는 전체적인 특징을 이용하는 것보다, 주요 특징만을 통해 얻을 결과가 전체적인 분류 알고리즘에 더 좋은 결과를 얻을 수 있고, 데이터 세트에서 의미있는 특징을 선정하는 것이 중요하다고 파악하였다.