| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 研究问题的提出 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.3.1 恶意代码检测现状 | 第17-19页 |
| 1.3.2 基于可视化技术的恶意代码检测 | 第19-20页 |
| 1.4 论文的研究内容和组织结构 | 第20-22页 |
| 第二章 程序可视化技术与分类算法研究 | 第22-34页 |
| 2.1 二进制文件可视化 | 第22-27页 |
| 2.1.1 原始二进制片段类型 | 第22-24页 |
| 2.1.2 二进制片段可视化分类 | 第24-27页 |
| 2.2 机器学习常用分类算法 | 第27-29页 |
| 2.2.1 朴素贝叶斯分类算法 | 第27页 |
| 2.2.2 支持向量机分类算法 | 第27-28页 |
| 2.2.3 决策树分类算法 | 第28页 |
| 2.2.4 K近邻分类算法 | 第28页 |
| 2.2.5 神经网络分类算法 | 第28-29页 |
| 2.3 卷积神经网络分类算法 | 第29-32页 |
| 2.3.1 神经网络基本概念 | 第29页 |
| 2.3.2 卷积神经网络算法原理 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 Android恶意代码可视化 | 第34-52页 |
| 3.1 Android应用程序灰度图像 | 第34-38页 |
| 3.1.1 APK文件转换为灰度图像 | 第34-35页 |
| 3.1.2 Android应用程序灰度图像特征 | 第35-38页 |
| 3.2 Android应用程序像素归一RGB图像 | 第38-43页 |
| 3.2.1 APK结构和编译过程 | 第38-39页 |
| 3.2.2 像素归一化方法的提出 | 第39-42页 |
| 3.2.3 Android程序像素归一化图像特征 | 第42-43页 |
| 3.3 Android应用程序函数调用关系二维图像 | 第43-50页 |
| 3.3.1 函数调用关系的获取 | 第43-46页 |
| 3.3.2 函数调用关系可视化 | 第46-48页 |
| 3.3.3 函数调用关系二维图像特征 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 Android恶意代码检测系统的设计与实现 | 第52-67页 |
| 4.1 主要方法和运行框架 | 第52-53页 |
| 4.2 CNN分类检测系统 | 第53-61页 |
| 4.2.1 CNN的基础单元 | 第54-56页 |
| 4.2.2 CNN分类系统整体框架的设计 | 第56-58页 |
| 4.2.3 CNN分类系统的实现 | 第58-61页 |
| 4.2.4 CNN分类系统优化 | 第61页 |
| 4.3 KNN分类检测系统 | 第61-66页 |
| 4.3.1 KNN分类系统算法设计 | 第62页 |
| 4.3.2 KNN分类系统算法实现 | 第62-65页 |
| 4.3.3 Android恶意代码变种识别 | 第65-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 系统检测与验证 | 第67-73页 |
| 5.1 实验数据与环境 | 第67-69页 |
| 5.2 CNN分类系统测试 | 第69-70页 |
| 5.3 KNN分类系统测试 | 第70-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-76页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |