| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要研究工作 | 第9-10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 Android系统架构与安全机制 | 第12-19页 |
| 2.1 Android系统框架结构 | 第12-13页 |
| 2.2 Android组件 | 第13-14页 |
| 2.3 Android恶意应用威胁 | 第14-15页 |
| 2.4 Android安全分析 | 第15-17页 |
| 2.4.1 应用程序结构 | 第15-16页 |
| 2.4.2 应用沙箱 | 第16-17页 |
| 2.4.3 系统安全机制 | 第17页 |
| 2.5 本章小结 | 第17-19页 |
| 第三章 Android恶意应用静态检测技术 | 第19-25页 |
| 3.1 机器学习算法概述 | 第19页 |
| 3.2 机器学习相关定义 | 第19-20页 |
| 3.3 监督学习的静态检测方法基本框架 | 第20-22页 |
| 3.3.1 特征提取与分析 | 第20-21页 |
| 3.3.2 特征向量构造 | 第21页 |
| 3.3.3 训练阶段学习过程分析 | 第21-22页 |
| 3.3.4 检测阶段检测模型分析 | 第22页 |
| 3.4 几种常见的分类算法 | 第22-23页 |
| 3.5 分类算法中的属性选择 | 第23-24页 |
| 3.6 本章小结 | 第24-25页 |
| 第四章 基于APK签名信息反馈的Android恶意应用检测 | 第25-39页 |
| 4.1 恶意应用检测相关方法 | 第25-29页 |
| 4.1.1 基于SVM分类的检测 | 第25-29页 |
| 4.1.2 启发式算法 | 第29页 |
| 4.1.3 APK签名验证方法 | 第29页 |
| 4.2 Android恶意应用检测方法 | 第29-35页 |
| 4.2.1 动态行为监测 | 第30页 |
| 4.2.2 特征库构造 | 第30-31页 |
| 4.2.3 规则库获取与恶意应用检测判定 | 第31-34页 |
| 4.2.4 APK签名检测方案 | 第34-35页 |
| 4.3 算法分析与实现 | 第35-38页 |
| 4.3.1 H-SVM与SigFeedback算法分析 | 第35页 |
| 4.3.2 启发式学习的分类模型改进算法 | 第35-37页 |
| 4.3.3 APK签名检测方案实现 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 实验结果分析与评估 | 第39-45页 |
| 5.1 实验环境 | 第39页 |
| 5.2 实验数据来源 | 第39-40页 |
| 5.3 实验步骤 | 第40页 |
| 5.4 检测评估标准 | 第40-41页 |
| 5.5 算法检测性能分析 | 第41-42页 |
| 5.6 实验数据分析 | 第42-43页 |
| 5.7 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45页 |
| 6.2 进一步工作展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 在学期间发表的学术论文及科研成果清单 | 第52-53页 |
| 致谢 | 第53-54页 |