安卓恶意软件检测及其恶意行为分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构及其安排 | 第15-18页 |
| 第二章 相关技术 | 第18-26页 |
| 2.1 安卓系统概述 | 第18-21页 |
| 2.1.1 安卓系统架构 | 第18-19页 |
| 2.1.2 安卓应用程序组件 | 第19-20页 |
| 2.1.3 安卓系统安全机制 | 第20-21页 |
| 2.1.4 安卓平台恶意软件 | 第21页 |
| 2.2 分类算法研究 | 第21-26页 |
| 2.2.1 树类模型 | 第22-24页 |
| 2.2.2 随机森林 | 第24页 |
| 2.2.3 梯度提升决策树 | 第24-26页 |
| 第三章 模型设计与实验 | 第26-48页 |
| 3.1 数据集获取 | 第26-27页 |
| 3.2 特征提取 | 第27-30页 |
| 3.2.1 静态特征提取 | 第27-29页 |
| 3.2.2 动态特征提取 | 第29-30页 |
| 3.2.3 编码 | 第30页 |
| 3.3 恶意行为标注 | 第30-35页 |
| 3.3.1 人工分析 | 第30-31页 |
| 3.3.2 聚类分析 | 第31-33页 |
| 3.3.3 恶意行为分析 | 第33-35页 |
| 3.4 检测模型 | 第35-41页 |
| 3.4.1 树类模型对比分析 | 第35-36页 |
| 3.4.2 半监督学习算法 | 第36-39页 |
| 3.4.3 改进的Co-RFGBDT算法 | 第39-41页 |
| 3.5 实验 | 第41-48页 |
| 3.5.1 测试数据 | 第41-42页 |
| 3.5.2 评估标准 | 第42页 |
| 3.5.3 参数设置 | 第42-43页 |
| 3.5.4 实验结果对比 | 第43-48页 |
| 第四章 安卓恶意软件检测系统设计与实现 | 第48-56页 |
| 4.1 需求分析 | 第48-49页 |
| 4.1.1 功能性需求分析 | 第48-49页 |
| 4.1.2 非功能性需求分析 | 第49页 |
| 4.2 系统设计 | 第49-51页 |
| 4.2.1 系统总体结构 | 第49-50页 |
| 4.2.2 系统检测流程 | 第50-51页 |
| 4.3 系统测试 | 第51-56页 |
| 第五章 总结与展望 | 第56-60页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 未来工作展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间取得的研究成果 | 第66页 |
