基于敏感路径识别的安卓应用安全性分析方法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关工作 | 第15-22页 |
| 2.1 安卓系统及恶意应用 | 第15-16页 |
| 2.1.1 安卓系统概述 | 第15-16页 |
| 2.1.2 恶意应用 | 第16页 |
| 2.2 安卓应用安全性分析常用方法 | 第16-21页 |
| 2.2.1 基于特征码的分析方法 | 第16-17页 |
| 2.2.2 静态分析方法 | 第17-18页 |
| 2.2.3 动态分析方法 | 第18-19页 |
| 2.2.4 机器学习方法 | 第19-20页 |
| 2.2.5 已有方法存在的问题 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 敏感路径分析 | 第22-33页 |
| 3.1 概述 | 第22-23页 |
| 3.2 恶意应用实例 | 第23-24页 |
| 3.3 敏感路径 | 第24-26页 |
| 3.3.1 基本定义 | 第25-26页 |
| 3.3.2 敏感路径实例 | 第26页 |
| 3.4 组件间函数调用关系图ICCG的构建 | 第26-30页 |
| 3.4.1 Intent机制 | 第26-27页 |
| 3.4.2 ICC的生成 | 第27-29页 |
| 3.4.3 构建ICCG | 第29-30页 |
| 3.5 敏感路径的识别 | 第30-32页 |
| 3.5.1 标签敏感触发 | 第30页 |
| 3.5.2 敏感路径识别算法 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于机器学习的安卓应用安全分析 | 第33-43页 |
| 4.1 方法概述 | 第33-34页 |
| 4.2 特征 | 第34-36页 |
| 4.2.1 恶意应用的特征 | 第34-35页 |
| 4.2.2 特征的选取 | 第35-36页 |
| 4.3 特征抽象 | 第36-40页 |
| 4.3.1 敏感触发的抽象 | 第36-37页 |
| 4.3.2 敏感行为的抽象 | 第37-40页 |
| 4.3.3 敏感级别 | 第40页 |
| 4.4 使用决策树进行安全性分析 | 第40-42页 |
| 4.4.1 构建应用特征矩阵 | 第40-41页 |
| 4.4.2 决策树算法 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 实现与实验 | 第43-53页 |
| 5.1 实现 | 第43-45页 |
| 5.1.1 实现过程 | 第43-44页 |
| 5.1.2 实验环境 | 第44-45页 |
| 5.2 评价指标 | 第45页 |
| 5.3 数据集 | 第45-46页 |
| 5.4 实验结果及分析 | 第46-52页 |
| 5.4.1 实验准备 | 第47-48页 |
| 5.4.2 RQ1：检测方法的效果 | 第48-49页 |
| 5.4.3 RQ2：敏感级别对结果的影响 | 第49-51页 |
| 5.4.4 RQ3：APK文件大小对结果的影响 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间主要的研究成果 | 第60-61页 |
