70万個のアプリを削除
有害Androidアプリが消滅? Googleが磨きをかけた検出技術とは
Googleは公式アプリストア「Google Play」に悪意のあるアプリが紛れ込む問題に悩まされていた。同社はこの問題を解決する新しい検出モデルを導入。その仕組みを解説しよう。
Googleは「Google Play」ストアから有害な「Android」アプリを排除する新しい検出モデルを発表した。どのようなシステムでどのようなアプリを排除するのだろうか。
モバイル端末へのソフトウェアやアプリケーションのインストールとその管理は、アプリストア方式の登場で大きく変わった。それまでは、アプリをどこからダウンロードでき、どのようにインストールして、どのようにアップデートを受けられるのか、ユーザーが把握しておく必要があった。アプリストアから配布するモデルが登場してからは、信頼できる1つの場所からアプリをダウンロードできるようになり、自動アップデートも可能になった。
モバイル端末ユーザーは、WebサイトやCD-ROMの信頼性や安全性を確認するのと同じように、アプリストアで公開されているソフトウェアについても信頼できるかどうかを確認する必要がある。しかし、多くのユーザーは、アプリストアで入手できるアプリはどれも審査を通過した安全なアプリばかりだと信じている。
2008年にAppleが初めて導入したデジタル配信モデル「App Store」は、開発者が「iPhone」ユーザーにアプリを提供する手段として誕生した。これによって、Appleは「iOS」用アプリを審査し、iPhone用ソフトウェアの開発を促進するとともに、収益共有モデルを生み出した。App Storeには端末にプリインストールされているApp Storeアプリからアクセスできる。
併せて読みたいお薦め記事
Androidアプリのセキュリティについて
モバイル向けOSの比較記事
Appleとの違いは?
Googleは、「Android ソフトウェア開発キット」(Android SDK)を使って開発されたアプリについて、Appleほど厳しく管理しなかった。Androidはもともと、「Linux」カーネルをベースにして開発したOSであり、プロプライエタリ端末に搭載されるオープン性の高いシステムだ。
Googleの公式アプリストアは初め「Android Market」という名前だったが、その後Google Playに改称した。当初はGoogle Playから提供するアプリの妥当性を基礎的なチェックで確認していた。ところが、マルウェア作成者やセキュリティ研究者は、このチェックを回避する方法を発見した。その結果、Googleはモバイルアプリのコードの追跡についてプライバシーとセキュリティの問題に直面した。
Google Playのプロダクトマネジャーを務めるアンドリュー・アン氏の2018年1月のブログ記事によると、Googleは有害なAndroidアプリとその開発者を見つけ出す方法を大幅に改良したようだ。2017年には同社のポリシーに違反する70万個のアプリを削除したという。これは前年より70%も多い。同社はまた、悪質な開発者のアカウント10万件を特定し、無効化した。これには常習犯や開発者ネットワークも含まれる。
新しい検出モデルでは、Google Playでアプリを公開する前に幾つものチェックを自動で行い、有害な動作の有無を監視するテスト環境を強化した。アン氏のブログによると、このチェックでは「新しい機械学習モデルと技術により、なりすましや不適切なコンテンツ、マルウェア」がないかを調べるという。Googleはまた、人気アプリに偽装したアプリや、不適切なコンテンツが含まれるアプリ、有害な可能性のあるアプリ(PHA)も削除した。
Google Playでの有害なAndroidアプリの検出に加え、Googleは2017年、Androidユーザーをマルウェアや脅威から守る「Google Play プロテクト」をリリースした。
同社によると、このサービスは機械学習を使って端末やアプリ、データをスキャンし、脅威がないか調べる。アン氏によれば、この新しいサービスでPHAのインストール数が前年比で50%減ったという。
Googleは、マルウェア作成者を特定して有害なAndroidアプリの公開を阻止する検出モデルも強化した。こうした機能強化はGoogle Playのユーザーに役立ちそうだ。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か? PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える? 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない? 業務で自然に使う導線にする秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか? 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
4
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
5
損保ジャパンはなぜ「COBOL」を捨てなかったのか? 脱メインフレームの真相
-
6
ChatGPTは“検索しまくり”でGeminiは“淡泊”? データが明かすAIの裏側
-
7
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
8
BMWも導入 78兆円市場に化ける「フィジカルAI」の衝撃
-
9
「Wi-Fi 7」経由でWindowsが乗っ取られる? 最高権限奪取の恐怖
-
10
「AI活用を前提とした業務PCへの移行」に関するアンケート
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化? 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険? 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化? 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない? 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー