智能移动终端恶意软件检测技术研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 恶意软件特征分类 | 第16-17页 |
| 1.3 研究现状 | 第17-18页 |
| 1.4 相关工作 | 第18-19页 |
| 1.4.1 静态检测方法 | 第18-19页 |
| 1.4.2 动态检测方法 | 第19页 |
| 1.5 相关工作分析和本文的主要贡献 | 第19-21页 |
| 1.5.1 相关工作分析 | 第19-20页 |
| 1.5.2 本文主要贡献 | 第20-21页 |
| 1.6 本文的结构安排 | 第21-23页 |
| 第二章 相关概念和技术 | 第23-39页 |
| 2.1 技术架构 | 第23-24页 |
| 2.2 安卓应用概述 | 第24-25页 |
| 2.3 CFG概述与获取 | 第25-27页 |
| 2.4 API概述 | 第27-28页 |
| 2.5 算法概述 | 第28-38页 |
| 2.5.1 C4.5算法概述 | 第28-31页 |
| 2.5.2 DNN算法概述 | 第31-34页 |
| 2.5.3 LSTM算法概述 | 第34-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于非时序性API数据检测方法的实现 | 第39-51页 |
| 3.1 模型构建流程 | 第39页 |
| 3.2 检测信息的选取依据 | 第39-40页 |
| 3.3 数据集的构建 | 第40-46页 |
| 3.3.1 布尔型数据集 | 第40-44页 |
| 3.3.2 频率型数据集 | 第44-46页 |
| 3.4 检测模型的构建 | 第46-49页 |
| 3.4.1 API使用检测模型 | 第46-47页 |
| 3.4.2 API频率检测模型 | 第47-49页 |
| 3.5 恶意软件检测 | 第49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 基于时序性API数据检测方法的实现 | 第51-61页 |
| 4.1 模型构建流程 | 第51-52页 |
| 4.2 检测信息的选取依据 | 第52-53页 |
| 4.3 数据集构建 | 第53-56页 |
| 4.4 检测模型构建 | 第56-59页 |
| 4.5 恶意软件的检测 | 第59页 |
| 4.6 三个模型理论分析和结果预测 | 第59-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 检测模型测试实验 | 第61-73页 |
| 5.1 实验环境 | 第61页 |
| 5.2 API使用检测模型测试 | 第61-63页 |
| 5.3 API频率检测模型测试 | 第63-66页 |
| 5.4 API序列检测模型测试 | 第66-68页 |
| 5.5 检测模型的比较 | 第68-70页 |
| 5.5.1 准确性比较 | 第68-69页 |
| 5.5.2 资源消耗比较 | 第69-70页 |
| 5.6 实验结论 | 第70页 |
| 5.7 实验结果分析 | 第70-71页 |
| 5.8 与其他方法比较 | 第71-72页 |
| 5.9 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
