一种基于集成学习的Android用户隐私保护方案的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 针对检测的研究 | 第14-16页 |
| 1.2.2 针对预防的研究 | 第16页 |
| 1.2.3 当前研究工作的问题和难点 | 第16-17页 |
| 1.3 研究内容和结构安排 | 第17-19页 |
| 第二章 ANDROID平台及其安全性概述 | 第19-28页 |
| 2.1 ANDROID系统架构 | 第19-22页 |
| 2.2 ANDROID平台的安全性 | 第22-25页 |
| 2.2.1 Linux安全模型 | 第23页 |
| 2.2.2 Android安全机制 | 第23-25页 |
| 2.3 ANDROID用户隐私面临的威胁 | 第25-27页 |
| 2.3.1 Android用户隐私泄漏 | 第25-26页 |
| 2.3.2 Android安全缺陷分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于ANDROID隐私权限的分类算法研究 | 第28-54页 |
| 3.1 机器学习分类算法 | 第28-38页 |
| 3.1.1 朴素贝叶斯算法 | 第29-32页 |
| 3.1.2 决策树算法 | 第32-36页 |
| 3.1.3 分类器性能评价标准 | 第36-38页 |
| 3.2 集成学习 | 第38-42页 |
| 3.2.1 Boosting | 第39-41页 |
| 3.2.2 Bagging | 第41-42页 |
| 3.3 基于隐私权限的集成分类算法设计 | 第42-46页 |
| 3.3.1 特征属性选取 | 第43-44页 |
| 3.3.2 集成学习分类算法设计 | 第44-46页 |
| 3.4 实验 | 第46-53页 |
| 3.4.1 实验样本来源和指标选择 | 第46页 |
| 3.4.2 实验目的及设置 | 第46-47页 |
| 3.4.3 实验结果与分析 | 第47-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于集成学习分类预测模型的检测方案 | 第54-73页 |
| 4.1 检测原理 | 第54页 |
| 4.2 方案设计 | 第54-60页 |
| 4.2.1 特征提取模块的设计 | 第55-58页 |
| 4.2.2 预测模块的设计 | 第58-60页 |
| 4.2.3 显示模块的设计 | 第60页 |
| 4.3 方案实现 | 第60-63页 |
| 4.3.1 特征提取模块的实现 | 第60-61页 |
| 4.3.2 预测模块的实现 | 第61-62页 |
| 4.3.3 显示模块的实现 | 第62-63页 |
| 4.4 实验 | 第63-70页 |
| 4.4.1 实验环境 | 第64页 |
| 4.4.2 实验设计 | 第64-65页 |
| 4.4.3 实验结果与结果分析 | 第65-70页 |
| 4.5 研究对比 | 第70-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
