Neue Technik hebelt beliebte Privatsphäre-Features für Android aus

Apps, die Inhalte verstecken, werden immer beliebter - doch eine neue Methode macht sie sichtbar, ohne sie zu öffnen. Ein Algorithmus erkennt getarnte Anwendungen mit hoher Genauigkeit und bringt damit Ermittlern ein neues Werkzeug.

KI entlarvt versteckte Android-Apps

Immer mehr Menschen nutzen sogenannte Vault-Apps, um private Inhalte zu schützen. Diese Anwendungen sehen aus wie harmlose Tools, können aber Fotos, Videos, Nachrichten oder sogar andere Apps unsichtbar machen. Was früher mit PIN-Codes oder versteckten Ordnern versucht wurde, ist heute ein Geschäftsfeld: Apps zum Verbergen sensibler Inhalte verzeichnen weltweit steigende Downloadzahlen. Für viele ist das ein Weg, Kontrolle über die eigenen Daten zu behalten - gerade in Zeiten zunehmender digitaler Überwachung.

Doch je ausgereifter die Tarnmechanismen solcher Apps werden, desto größer wird auch der Druck auf Ermittler, ihnen auf die Spur zu kommen. Und nicht immer werden Vault-Apps nur zum Schutz von Privatsphäre genutzt. Laut dem Cybersicherheitsforscher Mike Johnstone von der Edith Cowan University "können solche Apps auch bei Spionage, unerlaubtem Zugriff oder anderen Formen digitaler Kriminalität eine Rolle spielen". Die Herausforderung: Viele dieser Programme sind mittlerweile so gut getarnt, dass selbst professionelle Forensik-Software sie nicht erkennt.


Das Forschungsteam mit Beteiligung der University of Southern Queensland hat nun eine Methode (DOI: 10.3390/fi17050186) vorgestellt, die genau dieses Problem der Ermittler angeht - ganz ohne vorher zu wissen, welche Apps überhaupt verdächtig sind. Die Idee: ein lernfähiger Algorithmus analysiert die internen Abläufe von Android-Apps - also wie sie aufgebaut sind, wie Daten verarbeitet werden, welche Funktionen häufig genutzt werden. Diese sogenannten "Call Graphs" zeigen, wie einzelne Module der App miteinander kommunizieren.

Dabei entdeckten die Forscher, dass Vault-Apps einem bestimmten Muster folgen. Durch maschinelles Lernen konnte das System diese Muster so gut einordnen, dass es mit 98 Prozent Genauigkeit erkannte, ob es sich um eine Tarn-App handelt oder nicht. Die Ergebnisse erschienen in der Fachzeitschrift Future Internet. Das Spannende daran: Diese Methode funktioniert ohne invasive Zugriffe. Es müssen keine Inhalte geöffnet oder übertragen werden - die Struktur genügt.

Warum gilt das Verfahren als nicht-invasiv?
Doch genau das wirft eine grundsätzliche Frage auf: Wenn Technik in der Lage ist, Apps sichtbar zu machen, die Inhalte verstecken können, was bedeutet das für den Schutz der Privatsphäre? Mike Johnstone sieht den Einsatz seiner Methode klar im Kontext der Strafverfolgung. Doch er betont auch, dass die Technologie in beiden Richtungen wirkt: "Privatsphäre ist keine feste Eigenschaft. Sie hängt davon ab, welche Werkzeuge zum Einsatz kommen - und auf welcher Seite sie stehen."

iOS macht es schwerer

Bisher wurde der Ansatz ausschließlich auf Android-Geräten getestet.Das liegt wohl an der offeneren Struktur des Android-Systems: Hier lassen sich App-Daten wie Code-Aufbau und Funktionsaufrufe technisch auslesen und analysieren - ein zentraler Baustein für das maschinelle Lernen. Bei iPhones ist das deutlich schwieriger, da Apple sein Betriebssystem stark abschottet. Die Forscher planen jedoch, auch diesen Bereich künftig zu untersuchen - etwa mit alternativen Analyseformen und neuen Datenquellen. Ob der Blick hinter die Fassade auch auf anderen Plattformen gelingt, bleibt vorerst offen - doch die Debatte über technische Sichtbarkeit und digitale Privatsphäre rückt mit dieser Arbeit wieder neu in den Fokus.



Siehe auch: