AEGIS Privacy: sistema interativo para análise dinâmica de permissões em aplicativos Android

Abstract

O crescente uso de aplicativos móveis amplia os riscos relacionados à privacidade dos dados pessoais, especialmente no sistema operacional Android, cujo modelo de permissões permite que aplicativos acessem recursos sensíveis do dispositivo muitas vezes sem o conhecimento adequado do usuário. Este trabalho propõe o desenvolvimento do AEGIS Privacy, um sistema web interativo para detecção, monitoramento e visualização dinâmica de riscos associados ao uso de permissões em aplicativos Android. A metodologia adotada combina análise qualitativa e abordagem aplicada, com base em um ambiente de simulação composto por quinze aplicativos distribuídos em três categorias e quatro cenários de comportamento distintos. O modelo de classificação de risco é formalizado pela fórmula R = (Ps × 4) + (Fa × 2) + (Eb × 3) + (If × 5), que pondera critérios como permissão sensível, frequência de acesso, execução em segundo plano e incoerência funcional, gerando um score entre zero e quatorze. O sistema foi desenvolvido com HTML5, CSS3, Tailwind CSS, JavaScript e Chart.js, oferecendo um dashboard interativo com gráficos radar, classificação por badge de risco e simulação dinâmica de comportamento. Os resultados indicam que quarenta por cento dos aplicativos simulados foram classificados como risco alto ou crítico, com destaque para permissões de localização, microfone e câmera como as mais frequentemente abusadas. Conclui-se que a análise dinâmica aliada à visualização interativa é mais eficaz na identificação de comportamentos suspeitos do que abordagens baseadas apenas em permissões declaradas, contribuindo para a conscientização e para práticas mais seguras no uso de dispositivos móveis. Palavras Chave: Segurança da Informação; Privacidade; Permissões Android.

The growing use of mobile applications increases risks related to personal data privacy, particularly on the Android operating system, whose permission model allows applications to access sensitive device resources often without adequate user awareness. This work proposes the development of AEGIS Privacy, an interactive web system for the detection, monitoring, and dynamic visualization of risks associated with permission usage in Android applications. The methodology combines a qualitative analysis with an applied approach, based on a simulated environment comprising fifteen applications distributed across three categories and four distinct behavioral scenarios. The risk classification model is formalized by the formula R = (Ps × 4) + (Fa × 2) + (Eb × 3) + (If × 5), which weights criteria such as sensitive permission, access frequency, background execution, and functional incoherence, producing a score ranging from zero to fourteen. The system was developed using HTML5, CSS3, Tailwind CSS, JavaScript, and Chart.js, offering an interactive dashboard with radar charts, risk badge classification, and dynamic behavioral simulation. Results indicate that forty percent of the simulated applications were classified as high or critical risk, with location, microphone, and camera permissions identified as the most frequently abused. It is concluded that dynamic analysis combined with interactive visualization is more effective in identifying suspicious behavior than approaches based solely on declared permissions, contributing to user awareness and safer practices in mobile device usage. Keywords: Information Security; Privacy; Android Permissions.