首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

Android系统恶意代码检测技术研究

摘要第4-5页
Abstract第5页
第1章 绪论第9-14页
    1.1 课题来源第9页
    1.2 课题研究背景和意义第9-10页
    1.3 国内外研究现状第10-12页
        1.3.1 国外研究现状第10-11页
        1.3.2 国内研究现状第11-12页
        1.3.3 国内外文献综述简析第12页
    1.4 本文工作内容及组织结构第12-14页
第2章 Android 应用分析技术基础第14-24页
    2.1 Android 系统简介第14-16页
        2.1.1 Android 系统架构第14-15页
        2.1.2 Android 系统重要组件第15-16页
        2.1.3 Android 系统安全机制第16页
    2.2 Android 系统恶意代码运行机理第16-19页
        2.2.1 恶意代码的安装第17页
        2.2.2 恶意代码的激活第17-18页
        2.2.3 恶意功能的执行第18-19页
    2.3 Android 应用逆向技术第19-21页
        2.3.1 Android 应用逆向技术原理第19-20页
        2.3.2 Android 应用逆向工具第20-21页
    2.4 传统恶意代码检测关键技术第21-22页
        2.4.1 校验和检验技术第21-22页
        2.4.2 特征值匹配技术第22页
        2.4.3 语义分析检测技术第22页
        2.4.4 主动防御技术第22页
    2.5 本章小结第22-24页
第3章 Android 系统恶意代码检测关键技术第24-40页
    3.1 恶意代码重打包检测技术第24-29页
        3.1.1 基于签名的黑白名单检测方法第24-25页
        3.1.2 基于模糊哈希的相似度检测方法第25-28页
        3.1.3 实验与分析第28-29页
    3.2 恶意代码权限滥用检测技术第29-33页
        3.2.1 Android 系统的权限控制与恶意代码的权限滥用第29-30页
        3.2.2 恶意代码权限滥用检测方法第30-32页
        3.2.3 检测方法的优化第32页
        3.2.4 实验与分析第32-33页
    3.3 动态行为监视技术与改进第33-39页
        3.3.1 现有动态行为监视技术与缺陷第34-36页
        3.3.2 基于进程注入的监视技术第36-37页
        3.3.3 实验与分析第37-39页
    3.4 本章小结第39-40页
第4章 Android 系统恶意代码检测模型第40-53页
    4.1 SVM 理论基础第40-43页
        4.1.1 线性分类第40-41页
        4.1.2 非线性分类与核函数第41-42页
        4.1.3 松弛变量与惩罚因子第42-43页
    4.2 检测模型总体设计第43-45页
    4.3 数据准备与处理第45-49页
        4.3.1 特征选择与提取第45-48页
        4.3.2 特征映射与标准化第48-49页
    4.4 基于 SVM 分类的检测模型第49-52页
        4.4.1 模型学习与训练第49-51页
        4.4.2 参数调整第51-52页
    4.5 模型测试与分析第52页
    4.6 本章小结第52-53页
第5章 Android 恶意代码联合检测系统第53-73页
    5.1 AMJD 系统结构设计第53-55页
    5.2 智能移动端的快速检测引擎第55-60页
        5.2.1 特征数据库第56-57页
        5.2.2 文件解析与特征匹配模块第57-59页
        5.2.3 通信接口模块第59-60页
    5.3 服务器端的深度检测引擎第60-68页
        5.3.1 通信接口与任务调度模块第61-63页
        5.3.2 应用特征提取模块第63-67页
        5.3.3 机器学习与分析决策模块第67页
        5.3.4 分析结果生成与分发模块第67-68页
    5.4 AMJD 系统测试第68-72页
        5.4.1 智能移动终端测试第68-70页
        5.4.2 服务器端测试第70-71页
        5.4.3 联合测试第71-72页
    5.5 本章小结第72-73页
结论第73-74页
参考文献第74-78页
攻读硕士学位期间发表的论文及其他成果第78-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:路灯照明智能控制系统
下一篇:基于深度学习的文本情感分类研究