| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-20页 |
| 第2章 相关技术知识介绍 | 第20-32页 |
| 2.1 安卓基础理论知识 | 第20-24页 |
| 2.1.1 安卓系统架构 | 第20-22页 |
| 2.1.2 安卓应用程序组件 | 第22-24页 |
| 2.2 安卓系统安全机制 | 第24-26页 |
| 2.2.1 沙箱机制 | 第25页 |
| 2.2.2 权限机制 | 第25-26页 |
| 2.3 安卓恶意软件 | 第26-28页 |
| 2.4 相关机器学习算法介绍 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 安卓应用描述信息主题抽象聚类方法 | 第32-42页 |
| 3.1 方法概述 | 第32-34页 |
| 3.2 安卓应用描述信息爬取与预处理 | 第34-36页 |
| 3.2.1 数据爬取 | 第34-35页 |
| 3.2.2 语料预处理 | 第35-36页 |
| 3.3 基于主题相关度的安卓应用聚类 | 第36-40页 |
| 3.3.1 基于LDA算法的主题抽象 | 第36-38页 |
| 3.3.2 主题相关度聚类 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于主题和敏感数据流的安卓恶意应用检测方法 | 第42-54页 |
| 4.1 特征提取 | 第42-48页 |
| 4.1.1 敏感权限提取 | 第42-43页 |
| 4.1.2 敏感数据流提取 | 第43-48页 |
| 4.2 异常值特征向量抽象 | 第48-51页 |
| 4.2.1 权限异常值提取 | 第48-51页 |
| 4.2.2 权限异常值聚合 | 第51页 |
| 4.3 分类模型训练 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 实验与分析 | 第54-68页 |
| 5.1 实验框架 | 第54页 |
| 5.2 实验条件 | 第54-56页 |
| 5.2.1 实验环境 | 第54-55页 |
| 5.2.2 数据集介绍 | 第55页 |
| 5.2.3 评估指标 | 第55-56页 |
| 5.3 实验结果与分析 | 第56-62页 |
| 5.3.1 整体性能 | 第57-58页 |
| 5.3.2 主题聚类影响分析 | 第58-60页 |
| 5.3.3 特征选取影响分析 | 第60-61页 |
| 5.3.4 相关检测方法比较 | 第61-62页 |
| 5.4 敏感数据流宏观分析 | 第62-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结和展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 在读期间发表的学术论文与取得的研究成果 | 第76页 |