| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.1.1 智能手机及恶意软件发展现状 | 第10-12页 |
| 1.2 Android恶意软件研究现状 | 第12-15页 |
| 1.2.1 Android恶意软件检测方法 | 第12-13页 |
| 1.2.2 国内外的研究情况 | 第13-15页 |
| 1.3 研究内容及安排 | 第15-16页 |
| 第二章 Android系统及其安全机制 | 第16-26页 |
| 2.1 Android系统介绍 | 第16-20页 |
| 2.1.1 Android系统组成 | 第16-18页 |
| 2.1.2 Android主要组件及IPC机制 | 第18-20页 |
| 2.2 Android系统安全机制介绍 | 第20-21页 |
| 2.3 Android系统恶意软件研究 | 第21-24页 |
| 2.3.1 Android恶意软件分析 | 第22-23页 |
| 2.3.2 Android恶意软件的特征 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 Android系统恶意软件检测的关键技术研究 | 第26-48页 |
| 3.1 软件行为动态监听技术研究 | 第26-30页 |
| 3.1.1 BroadcastReceiver监听机制原理 | 第26-28页 |
| 3.1.2 BroadcastReceiver自定义监听模块 | 第28-30页 |
| 3.2 Android系统恶意软件行为模式研究 | 第30-36页 |
| 3.2.1 Android系统异常行为 | 第30-33页 |
| 3.2.1.1 系统行为的异常 | 第30-31页 |
| 3.2.1.2 应用程序的行为异常 | 第31-33页 |
| 3.2.2 恶意软件行为对Android系统影响的形式 | 第33页 |
| 3.2.3 用户行为对恶意行为检测的影响 | 第33-36页 |
| 3.3 基于软件行为动态监听技术的恶意软件检测算法研究 | 第36-47页 |
| 3.3.1 隐Markov模型 | 第36-40页 |
| 3.3.1.1 相关概念和定义 | 第37-38页 |
| 3.3.1.2 基于隐式Markov模型的检测算法 | 第38-40页 |
| 3.3.2 特征选取 | 第40-44页 |
| 3.3.3 行为建模 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 Android系统恶意软件检测系统的设计与实现 | 第48-64页 |
| 4.1 系统整体设计 | 第48-49页 |
| 4.2 动态行为监控模块的设计与实现 | 第49-54页 |
| 4.2.1 短信监控模块的实现 | 第50-52页 |
| 4.2.2 电话和网络监控模块的实现 | 第52-54页 |
| 4.2.3 GPS监控模块的实现 | 第54页 |
| 4.3 基于隐Markov模型异常行为检测模块的设计与实现 | 第54-63页 |
| 4.3.1 异常行为检测模块的设计 | 第54-56页 |
| 4.3.2 数据结构的设计 | 第56-57页 |
| 4.3.3 监控模块的实现 | 第57-60页 |
| 4.3.4 检测模块的实现 | 第60-61页 |
| 4.3.5 学习模块的实现 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 Android系统恶意软件检测系统的测试与结果分析 | 第64-70页 |
| 5.1 测试环境配置 | 第64页 |
| 5.2 系统测试内容 | 第64-65页 |
| 5.3 系统的测试结果与分析 | 第65-69页 |
| 5.3.1 动态行为监控模块的测试 | 第65-66页 |
| 5.3.2 恶意行为检测模块的测试 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 全文总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70页 |
| 6.2 后续工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
