首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

基于应用程序运行时行为的Android用户隐私数据保护技术研究

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-18页
    1.1 论文研究背景与意义第12-13页
    1.2 国内外研究现状第13-16页
        1.2.1 静态分析第13-15页
        1.2.2 动态分析第15-16页
    1.3 主要研究内容第16页
    1.4 论文的创新点第16-17页
    1.5 论文组织结构第17-18页
第二章 基于应用程序运行时行为的隐私保护系统第18-24页
    2.1 总体系统工作流程第18-19页
    2.2 隐私数据的分类与敏感API第19-21页
    2.3 应用程序运行时行为捕获与操控系统第21页
    2.4 线下隐私策略训练第21页
    2.5 运行时隐私保护第21-22页
    2.6 隐私策略提供者第22-23页
        2.6.1 用户隐私设置第22页
        2.6.2 隐私策略库第22页
        2.6.3 虚假数据库第22-23页
    2.7 本章小节第23-24页
第三章 基于进程注入的应用程序运行时行为提取与操控技术第24-41页
    3.1 行为提取与操控系统设计第24-26页
        3.1.1 总体工作流程第24-25页
        3.1.2 注入启动器第25页
        3.1.3 行为监控器第25-26页
    3.2 进程动态注入技术第26-28页
        3.2.1 动态链接库第26-27页
        3.2.2 进程动态注入的实现第27-28页
    3.3 Dalvik虚拟机的Java函数拦截与操控技术第28-32页
        3.3.1 Dalvik虚拟机的Java函数拦截技术第28-30页
        3.3.2 Dalvik虚拟机的Java函数操控技术第30-32页
    3.4 ART虚拟机的Java函数拦截与操控技术第32-35页
        3.4.1 ART虚拟机的Java函数拦截技术第32-35页
        3.4.2 ART虚拟机的Java函数操控技术第35页
    3.5 应用程序运行时行为环境参量提取技术第35-40页
        3.5.1 六维环境特征参量第35-37页
        3.5.2 环境特征参量的提取技术第37-40页
    3.6 本章小结第40-41页
第四章 基于机器学习的隐私保护策略第41-54页
    4.1 基础策略的设计第41-46页
        4.1.1 总体流程设计第41-42页
        4.1.2 应用程序运行时场景分类第42页
        4.1.3 用户隐私意图收集与标记第42-44页
        4.1.4 训练数据集与机器学习算法第44页
        4.1.5 交叉验证方法第44-46页
    4.2 随机森林算法简介第46-48页
        4.2.1 决策树第46-47页
        4.2.2 随机森林算法第47-48页
    4.3 优化算法设计第48-51页
        4.3.1 传统随机森林算法的训练时间分析第49页
        4.3.2 随机森林算法的优化第49-50页
        4.3.3 优化算法的训练时间分析第50-51页
    4.4 修正策略的设计第51-53页
        4.4.1 增量学习算法简介第52页
        4.4.2 基于增量学习算法的修正策略设计第52-53页
    4.5 本章小结第53-54页
第五章 Android用户隐私数据保护系统的测试与分析第54-74页
    5.1 应用程序运行时行为提取测试第54-56页
        5.1.1 测试方法第54-55页
        5.1.2 测试结果与分析第55-56页
    5.2 应用程序运行时行为操控测试第56-58页
        5.2.1 测试方法第56页
        5.2.2 测试结果与分析第56-58页
    5.3 系统性能消耗测试第58-59页
        5.3.1 测试方法第58页
        5.3.2 测试结果与分析第58-59页
    5.4 基础策略测试第59-70页
        5.4.1 应用程序数据集第59-61页
        5.4.2 用户意图数据集第61-63页
        5.4.3 机器学习算法的测试与分析第63-66页
        5.4.4 优化算法的测试与分析第66-68页
        5.4.5 基础策略的测试与分析第68-70页
    5.5 修正策略测试第70-73页
        5.5.1 测试方法第70-71页
        5.5.2 测试结果与分析第71-73页
    5.6 本章小结第73-74页
第六章 总结与展望第74-76页
    6.1 论文工作总结第74-75页
    6.2 未来工作展望第75-76页
参考文献第76-80页
致谢第80-81页
作者攻读学位期间发表的学术论文目录第81页

论文共81页,点击 下载论文
上一篇:基于监控场景下的人脸识别的系统设计与实现
下一篇:基于Spark的交通监控目标大数据分析系统的设计与实现