Pengembangan Aplikasi Pendeteksi Malware Berbasis Android Menggunakan Perintah Strace
Abstract
Deteksi malware pada sistem operasi Android dapat dilakukan dengan mengidentifikasi system calls aplikasi sehingga dapat diklasifikasikan sebagai malware atau jinak. Banyak penelitian yang telah dilakukan untuk mengidentifikasi malware, namun pembahasannya belum mendetail sehingga proses deteksi malwre sulit untuk diimplementasikan pada sistem operasi Android. Penelitian ini membahas mengenai aplikasi pendeteksi malware berbasis Android yang dapat melakukan deteksi dengan menerapkan analisis dinamis berdasarkan system calls dengan melakukan rooting agar aplikasi dapat bekerja sesuai fungsi. Hal ini dikarenakan, perintah pelacakan system calls strace dieksekusi harus dengan akses root. Permasalahannya adalah bagaimana menggunakan Wrap Shell Script pada aplikasi pendeteksi malware berbasis Android agar dapat menjalankan perintah Strace. Hasil dari penelitian ini adalah aplikasi dapat menjalankan fungsi meliputi dapat melakukan registrasi, otentikasi, melihat daftar PID aplikasi, pendeteksian malware, melihat hasil deteksi malware, dan melihat halaman kredit telah berhasil dikembangkan.
Downloads
References
Daftar Pustaka
Android, D. (2024). Wrap Shell Script. Retrieved Januari 30, 2024, from https://developer.android.com/ndk/guides/wrap-script#creating_the_wrap_shell_script
E. Odat and Q. M. Yaseen. (2023). A Novel Machine Learning Approach for Android Malware Detection Based on the Co-Existence of Features. IEEE Access, 11, 15471-15484.
H. H. R. Manzil and M. Naik. (2022). DynaMalDroid: Dynamic Analysis-Based Detection Framework for Android Malware Using Machine Learning Techniques. IEEE International Conference on Knowledge Engineering and Communication Systems (ICKES. Chickballapur.
Kaspersky. (2023). How to detect and avoid malware on Android devices. Retrieved Januari 18, 2023, from https://www.kaspersky.com/resource-center/preemptive-safety/avoid-android-malware.
K. Khariwal, J. Singh and A. Arora. (2020). IPDroid: Android Malware Detection using Intents and Permissions. World Conference on Smart Trends in Systems, Security and Sustainability (WorldS4). London.
L. Kristianti. (2023, Agustus 7). BSSN sebut serangan siber malware marak akibat "software" bajakan. Retrieved from Antara News: https://www.antaranews.com/berita/3670320/bssn-sebut-serangan-siber-malware-marak-akibat-software-bajakan.
Malik, S. (2019). Anomaly based Intrusion Detection in Android Mobiles: An Review,. International Journal of Engineering Research & Technology, 698-710.
M. Masum and H. Shahriar. (2019). Droid-NNet: Deep Learning Neural Network for Android Malware Detection. IEEE International Conference on Big Data (Big Data). Los Angles: IEEE.
P. Tarwireyi, A. Terzoli and M. O. Odigun. (2022). BarkDroid: Android Malware Detection Using Bark Frequency Cepstral Coefficients. IJIS, 5(1), 48-63.
R. B. Hadiprakoso, H. K. (2020). Hybrid-Based Malware Analysis for Effective and Efficiency Android Malware Detection. International Conference on Informatics, Multimedia, Cyber and Information System (ICIMCIS. Jakarta.
R. B. Hadiprakoso, W. R. Aditya and F. N. Pramitha. (2022). Analisis Statis Deteksi Malware Android Menggunakan Algoritma Supervised Machine Learning. Cyber Security and Forensik Digital, 1-5.
V. Chaykovsky. (2024). Strace. Retrieved Januari 30, 2024, from strace.io.
X. Zhang, A. Mathur, L. Zhao, R. Safia, Q. Niyaz, A. Javaid and X. Yang. (2022). An Early Detection of Android Malware Using System Calls based Machine Learning Model. Vienna.
Downloads
Published
Versions
- 2025-12-01 (2)
- 2025-11-30 (1)
