| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及选题意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 本文主要工作和创新点 | 第15-16页 |
| 1.4 本文内容安排 | 第16-17页 |
| 2 TVOS平台分析 | 第17-35页 |
| 2.1 TVOS系统架构 | 第17-20页 |
| 2.2 TVOS应用 | 第20-23页 |
| 2.3 TVOS系统主要技术特点 | 第23-27页 |
| 2.4 TVOS系统安全体系 | 第27-35页 |
| 2.4.1 硬件安全 | 第28页 |
| 2.4.2 软件安全 | 第28-29页 |
| 2.4.3 网络安全 | 第29-30页 |
| 2.4.4 数据安全 | 第30-31页 |
| 2.4.5 应用安全 | 第31-35页 |
| 3 TVOS应用字符串型特征提取 | 第35-43页 |
| 3.1 应用特征提取过程设计 | 第35-36页 |
| 3.2 应用数据集 | 第36-37页 |
| 3.3 应用标定 | 第37页 |
| 3.4 应用字符串型特征 | 第37-43页 |
| 4 基于单一分类器的TVOS恶意应用检测方法 | 第43-61页 |
| 4.1 应用字符串型特征分析 | 第43-55页 |
| 4.1.1 特征分析过程设计 | 第43-44页 |
| 4.1.2 TVOS应用与Android应用特征统计与分析 | 第44-49页 |
| 4.1.3 TVOS正常应用与恶意应用特征统计与分析 | 第49-55页 |
| 4.2 基于单一分类器的检测方法的整体设计 | 第55-56页 |
| 4.3 关键方法 | 第56-61页 |
| 4.3.1 支持向量机 | 第56-58页 |
| 4.3.2 逻辑回归 | 第58页 |
| 4.3.3 随机森林 | 第58-61页 |
| 5 基于组合分类器的TVOS恶意应用检测方法 | 第61-69页 |
| 5.1 基于组合分类器的检测方法整体设计 | 第61-62页 |
| 5.2 基于组合分类器的检测方法 | 第62-65页 |
| 5.2.1 基于组合分类器的检测方法详细介绍 | 第62-64页 |
| 5.2.2 基于组合分类器的检测方法算法设计 | 第64-65页 |
| 5.3 基于组合分类器的检测方法优化 | 第65-66页 |
| 5.4 ADABOOST | 第66-69页 |
| 6 实验设计与结果分析 | 第69-79页 |
| 6.1 实验环境 | 第69页 |
| 6.2 评估参数 | 第69-70页 |
| 6.3 实验结果与分析 | 第70-79页 |
| 6.3.1 基于单一分类器模型的实验结果与分析 | 第70-74页 |
| 6.3.2 基于组合分类器模型的实验结果与分析 | 第74-79页 |
| 7 总结与展望 | 第79-81页 |
| 7.1 总结 | 第79-80页 |
| 7.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第85-89页 |
| 学位论文数据集 | 第89页 |