1. Livres & vidéos
  2. Analyse de malwares Android
  3. Les malwares
Extrait - Analyse de malwares Android Principes et techniques d'analyse des malwares mobiles
Extraits du livre
Analyse de malwares Android Principes et techniques d'analyse des malwares mobiles Revenir à la page d'achat du livre

Les malwares

Historique

Au début des années 1970, Martin Cooper et Joel Engel, deux ingénieurs de chez Motorola ont présenté le premier téléphone portable au monde, le DynaTAC (Dynamic Adaptive Total Area Coverage). Mais ce n’est que 20 ans après que le premier smartphone fut commercialisé par IBM en 1994, le Simon Personal Communicator. Il disposait d’un système de messagerie ainsi que d’un traitement de texte, d’un écran tactile et d’un stylet. Il fut suivi par Nokia en 1996 qui sortit le 9000 Communicator (processeur Intel 386 à 24 Mhz et 8 Mo de mémoire), mais ce n’est réellement qu’au début des années 2000 que la popularité de ce périphérique a explosé avec comme principaux systèmes d’exploitation Symbian OS, Blackberry OS, Palm OS et Windows Mobile. Ces périphériques allaient rapidement offrir des services similaires à ceux que l’on pouvait trouver sur les ordinateurs personnels tels que l’envoi de mails ou bien l’accès aux pages web. Cette rapide croissance s’est accompagnée d’une nouvelle menace jusqu’alors destinée à l’univers des ordinateurs personnels, la menace mobile.

Bien que quelques malwares sévissaient au début des années 2000, 2004 restera l’année ou tout a commencé, avec Cabir. L’événement déclencheur a été la diffusion par le groupe espagnol de hackers, 29A, du code de leur malware Cabir (Worm.SymbOS.Cabir) à destination des terminaux sous Symbian OS. Celui-ci utilisait le Bluetooth comme moyen de propagation, élément novateur pour l’époque. La diffusion de ce code a permis la création d’un nombre important de variantes et fut le point de départ d’une réelle popularisation de ce type de logiciels.

Il a été le point d’entrée d’une vague de nouvelles versions et d’améliorations (Skuller.a). Le site suivant propose une liste des malwares ciblant principalement Symbian OS entre 2004 et 2006 (https://securelist.com/mobile-malware-evolution-an-overview-part-1/36109/).

1. 2010-2016

La version 1.0 d’Android sortie en 2008...

Classification et base de connaissance

Un malware est un programme informatique conçu pour nuire à l’utilisateur ou à l’équipement informatique lui-même. Étant donné qu’il s’agit d’un programme, il peut être analysé à l’aide des outils informatiques classiques de traitement et d’investigation. La taxonomie présentée ci-dessous prend en compte les malwares affectant à la fois les logiciels et le matériel.

De nombreux acteurs proposent des bases de connaissances afin de faciliter le travail d’analyse tant sur le plan technique que sur sa compréhension des vecteurs d’attaques. Nous avons retenu la matrice MITRE ATT&CK® et les documents proposés par l’OWASP.

1. Connaissance de la menace

La connaissance de la menace cyber ou cyber threat intelligence est un élément fondamental à tout analyste que cela soit dans l’anticipation, la détection ou bien la remédiation. Cela permet d’enrichir et contextualiser l’attaque observée et le malware analysé via :

  • l’identification de l’acteur via la comparaison de modes opératoires adverses ou via des indicateurs corrélés tels que les indicateurs de compromission (IoC), indicateurs d’attaques (IoA) voire les indicateurs de comportements (IoB) ;

  • une meilleure compréhension des variantes via une base de connaissance de l’existant (empreinte numérique, artefacts…).

Cela permet également de prioriser les alertes dans le cas d’une détection et réaction. Par exemple, si le malware est connu, une procédure existe probablement déjà permettant aux analystes de gagner du temps sur les actions à entreprendre. 

Les IoC sont également intéressants lors de la phase de recherche de la menace ou threat hunting qui intervient aussi bien au niveau du SOC que des équipes de réponse à incidents.

Attention cependant à bien prendre en considération la durée de vie de ces indicateurs.

Format d’échange

Cyber Observable eXpression (CybOX™) (https://cyboxproject.github.io/) propose un langage standardisé, au format XML, facilitant l’encodage et la communication des observables cyber....

Types de malware par objectif

L’univers des malwares est hétérogène. Il a bien évolué depuis ses débuts et les traditionnels virus et vers ont laissé la place à un grand nombre de catégories dont les limites ne sont pas toujours très claires. Nous allons donc proposer une classification issue d’une littérature en constante évolution.

Pour chaque catégorie abordée, nous proposons une liste de malwares non exhaustive, mais comprenant des cas jugés intéressants au regard de certaines fonctionnalités.

  • La colonne « Famille » comprend soit la famille, soit le membre d’une famille. 

  • La colonne « Rapport d’analyse » dans le meilleur des cas pointe vers des rapports d’analyse détaillés et, à défaut, vers des liens contenant des données sur cette famille. 

1. Spyware et stalkware

Les spyware et les stalkware sont deux types de logiciels malveillants qui partagent des similitudes, notamment leur objectif principal : collecter des informations sur les utilisateurs. Cependant, leurs intentions et leurs méthodes d’installation diffèrent clairement.

Les spyware sont conçus pour collecter des données à des fins variées, souvent commerciales (comme la publicité ciblée ou la revente d’informations). Ils s’installent généralement via des téléchargements involontaires (sites tiers, logiciels piratés, publicités malveillantes, etc.).

Les stalkware, en revanche, sont spécifiquement conçus pour surveiller et espionner une personne précise, souvent dans un cadre abusif (harcèlement, contrôle intrusif, etc.). Contrairement aux spyware, ils sont installés directement par l’attaquant sur les appareils de la victime, généralement en exploitant un accès physique (téléphone, ordinateur, etc.).

Famille

Année

Rapport d’analyse

Commentaires

SMSReplicator

2010

Il envoie des SMS vers des numéros prédéfinis. Disponible sur le Google Play Store, il se cache de l’utilisateur final en dissimulant son icône.

GamblerSMS

2011

Il permet de monitorer les SMS entrants et sortants ainsi que d’enregistrer...

Advanced Persistent Threat

Dans le SP 800-30r1, le NIST propose la définition suivante pour l’Advanced Persistent Threat ou APT :

Un adversaire disposant d’un niveau d’expertise sophistiqué et de ressources importantes, lui permettant, par l’utilisation de multiples vecteurs d’attaque (par exemple : cyber, physique ou par la tromperie), de créer des opportunités pour atteindre ses objectifs. Ceux-ci consistent généralement à établir puis étendre sa présence au sein de l’infrastructure informatique d’une organisation afin d’exfiltrer continuellement des informations et/ou de compromettre ou perturber des aspects critiques d’une mission, d’un programme ou d’une organisation, ou encore de se placer en position de le faire ultérieurement.

De plus, la menace persistante avancée poursuit ses objectifs de manière répétée sur une longue période, en s’adaptant aux efforts du défenseur pour la contrer, et en maintenant avec détermination le niveau d’interaction nécessaire à l’exécution de ses objectifs.

L’étude de ces acteurs est donc importante pour comprendre les outils et méthodes utilisées ainsi que les motivations. Cela permet également pour les analystes de connaître les modes opératoires utilisés et capitaliser sur les analyses déjà réalisées. La liste suivante est loin d’être exhaustive, aussi nous invitons le lecteur à compléter.

1. TA413

TA413 est un groupe de cyberespionnage lié à l’État chinois et principalement connu pour ses campagnes ciblées contre des organisations civiques et politiques (notamment tibétaines) via des malwares (Lucky Cat ou White Dev 9) et des add-ons malveillants dans des campagnes de spear-phishing. Observé dès 2019, sa dernière activité observée date de 2022.

2. Bahamut

Bahamut est un groupe APT qui s’appuie sur un ensemble d’outils malveillants diffusés sous la forme d’applications Android à installer manuellement afin de mener des opérations d’exfiltration de données personnelles. Ces applications permettent de collecter des informations sensibles telles...

Mécanismes

Cette section vise à présenter de nombreux mécanismes utilisés par les malwares concourant à rendre difficiles aussi bien la détection et l’analyse qu’elles soient statiques ou bien dynamiques. La majorité des applications ne sont pas sophistiquées et la contamination passe par des vecteurs traditionnels (SMS, messagerie instantanée, bibliothèques d’applications officielles ou non…). Nous allons dans cette section détailler quelques approches intéressantes qui sortent des cas classiques précédemment cités.

1. Authentification multifacteurs

L’authentification à deux facteurs (2FA) ou multifacteurs (MFA) permet de renforcer la sécurité des comptes applicatifs. Les malwares se sont adaptés pour contourner ces mécanismes et accéder aux données protégées.

  • De nombreuses applications utilisent un mot de passe à usage unique, ou One-Time Password (OTP). Ils peuvent être interceptés via la lecture des SMS entrants ou par la mise en place d’une redirection de SMS. Ce mécanisme est notamment utilisé par les malwares Cerberus et Anubis.

  • Certains, comme ExoBot, proposent une fausse interface qui se superpose à l’application légitime afin d’inviter la victime à saisir ses identifiants. Ce type d’attaque nommé « attack overlay » est couramment utilisée. Cela nécessite l’autorisation SYSTEM_ALERT_WINDOW qui autorise une application à afficher des fenêtres superposées par-dessus d’autres applications.

  • Les services d’accessibilité sont couramment utilisés afin d’intercepter les actions de l’utilisateur comme enregistrer des touches et ainsi récupérer les codes souhaités. Le code ci-dessous illustre comment une application peut rediriger l’utilisateur vers les paramètres d’accessibilité afin d’activer ces options. 

Intent intent = new Intent(Settings.ACTION_ACCESSIBILITY_SETTINGS);  
  • De la même manière, il est possible d’intercepter des événements de saisie et de lire ainsi le contenu des champs. Le malware BlackRock s’appuie sur ces techniques pour enregistrer les frappes.

  • Les notifications...

Jeux de données

L’un des principaux problèmes lorsque nous nous intéressons aux malwares, c’est précisément les malwares. Il s’agit d’une denrée rare en termes de pertinence, aussi faisons un tour d’horizon des différentes solutions disponibles.

1. Universitaires

La majorité des jeux de données sont proposés par des universités. Issus de travaux de recherche, ils proposent une base intéressante en termes d’hétérogénéité, mais ne sont plus mis à jour et dans bien des cas non disponibles.

  • [plus disponible] Le North Carolina State University(NCSU), Malgenome (http://www.malgenomeproject.org/) [22] propose des malwares de la première génération (2010 à 2011). Cela comprend des botnets et exploits.

  • Mis en ligne par l’université du Luxembourg en 2016, Androzoo [23] propose plusieurs millions d’APK corrompus.

  • [plus disponible] Drebin est proposé par University in Braunschweig. Il contient 5560 exemples répartis en 179 familles datant de 2010 à 2012

  • [plus disponible] L’University of South Florida propose Android malware dataset (AMD), un jeu de données composé de 24 650 malwares catégorisés en 71 familles

  • Contagio (https://contagiodump.blogspot.com/)est un jeu de données proposant quelques malwares....

Références

[0] SCHLEGEL, Roman, ZHANG, Kehuan, ZHOU, Xiao-yong, et al. Soundcomber : A Stealthy and Context-Aware Sound Trojan for Smartphones. In : NDSS. 2011. p. 17-33.

[1] RAZ, Md, UDESHI, Meet, CHARAN, P. V., et al. Ransomware 3.0 : Self-Composing and LLM-Orchestrated. arXiv preprint arXiv:2508.20444, 2025.

[2] RASHEED, Mohammad M., FAIEQ, Alaa K., et HASHIM, Ahmed A. Android botnet detection using machine learning. Ingénierie des Systèmes d’Information, 2020, vol. 25, no 1, p. 127.

[3] AMINUDDIN, Nurul Izzati et ABDULLAH, Zubaile. Android trojan detection based on dynamic analysis. Advances in Computing and Intelligent System, 2019, vol. 1, no 1.

[4] LEE, Junho, KWON, Jihoon, SEO, HyunA, et al. {BOOTKITTY} : A Stealthy {Bootkit-Rootkit} Against Modern Operating Systems. In : 19th USENIX WOOT Conference on Offensive Technologies (WOOT 25). 2025. p. 303-320.

[5] Pixnapping : Bringing Pixel Stealing out of the Stone Age (https://www.pixnapping.com/pixnapping.pdf)

[6] BARAK, Boaz, GOLDREICH, Oded, IMPAGLIAZZO, Rusell, et al. On the (im) possibility of obfuscating programs. In : Annual international cryptology conference. Berlin, Heidelberg : Springer Berlin Heidelberg, 2001. p. 1-18.

[7] BREZINSKI, Kenneth et FERENS, Ken. Metamorphic malware and obfuscation: a survey of techniques, variants, and generation kits. Security and Communication...