| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 Android恶意软件动态检测相关技术 | 第15-23页 |
| 2.1 动态污染跟踪技术 | 第15-18页 |
| 2.1.1 TaintDroid | 第15-18页 |
| 2.1.2 DroidBox | 第18页 |
| 2.2 Android自动化测试技术 | 第18-19页 |
| 2.2.1 Monkey | 第18-19页 |
| 2.2.2 MonkeyRunner | 第19页 |
| 2.3 分类技术 | 第19-22页 |
| 2.3.1 SVM | 第19-21页 |
| 2.3.2 libSVM | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于事件触发的动态检测技术 | 第23-36页 |
| 3.1 检测模型框架及流程 | 第23-24页 |
| 3.2 事件触发器设计 | 第24-27页 |
| 3.2.1 事件触发器流程 | 第24-25页 |
| 3.2.2 事件触发器通信架构 | 第25-26页 |
| 3.2.3 事件触发器模块设计 | 第26-27页 |
| 3.3 基于事件触发的动态检测模块设计 | 第27-35页 |
| 3.3.1 应用程序驱动模块 | 第27-32页 |
| 3.3.2 动态检测模块 | 第32页 |
| 3.3.3 日志分析模块 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于行为分析的应用程序恶意性判定技术 | 第36-50页 |
| 4.1 判定模型框架及流程 | 第36-37页 |
| 4.2 匹配模块设计 | 第37-42页 |
| 4.2.1 关键字行为特征库的建立 | 第37-41页 |
| 4.2.2 行为匹配算法 | 第41-42页 |
| 4.3 基于SVM的恶意性判定模块设计 | 第42-49页 |
| 4.3.1 特征集规范模块设计 | 第43-44页 |
| 4.3.2 训练模块设计 | 第44-46页 |
| 4.3.3 结果分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 Android恶意软件动态检测系统的实现与分析 | 第50-56页 |
| 5.1 系统整体设计 | 第50-52页 |
| 5.1.1 环境配置 | 第51页 |
| 5.1.2 系统流程设计 | 第51-52页 |
| 5.2 结果与分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文工作总结 | 第56页 |
| 6.2 下一步研究工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间申请的专利 | 第62-63页 |
| 致谢 | 第63页 |