| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 Android恶意软件检测和协同训练相关理论和技术 | 第16-28页 |
| 2.1 Android系统和应用软件结构 | 第16-19页 |
| 2.1.1 Android系统结构 | 第16-18页 |
| 2.1.2 Android应用软件结构 | 第18-19页 |
| 2.2 Android恶意软件分析方法 | 第19-24页 |
| 2.2.1 基于权限的分析方法 | 第19-20页 |
| 2.2.2 静态分析方法 | 第20-21页 |
| 2.2.3 动态分析方法 | 第21-24页 |
| 2.2.4 分析方法的比较 | 第24页 |
| 2.3 多视图协同训练相关理论 | 第24-28页 |
| 2.3.1 机器学习概述 | 第24-25页 |
| 2.3.2 半监督学习 | 第25页 |
| 2.3.3 协同训练算法 | 第25-28页 |
| 第3章 Android恶意软件静态多视图协同检测算法 | 第28-44页 |
| 3.1 Multi-view Co-training Classification方案设计 | 第28-29页 |
| 3.2 视图分割和特征提取 | 第29-33页 |
| 3.3 多视图协同训练 | 第33-36页 |
| 3.3.1 单一视图分类算法甄选 | 第33-34页 |
| 3.3.2 协同训练 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-44页 |
| 3.4.1 正异常应用软件权限特征差异性实验结果及分析 | 第37-38页 |
| 3.4.2 单一视图甄选模块实验结果及分析 | 第38-39页 |
| 3.4.3 静态API视图和静态权限视图协同训练实验结果及分析 | 第39-44页 |
| 第4章 Android恶意软件动态API和权限协同检测算法 | 第44-52页 |
| 4.1 APK加固技术分析 | 第44-45页 |
| 4.2 动态特征提取方案 | 第45页 |
| 4.3 Zygote注入方式的动态API特征提取 | 第45-49页 |
| 4.3.1 Zygote注入工作原理 | 第46-47页 |
| 4.3.2 Android系统广播触发系统 | 第47-48页 |
| 4.3.3 UiAutomator驱动的UI行为触发 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 第5章 逆向特征过滤算法 | 第52-60页 |
| 5.1 预测结果的风险理论 | 第52页 |
| 5.2 Reverse Feature Filtering算法 | 第52-54页 |
| 5.3 实验结果与分析 | 第54-60页 |
| 5.3.1 RFF在权限视图上的实验结果及分析 | 第54-56页 |
| 5.3.2 RFF在API视图上的实验结果及分析 | 第56-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
