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

基于SimHash的Android恶意应用程序检测方法的研究与实现

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第12-21页
    1.1 论文选题背景与意义第12-14页
        1.1.1 Android系统及其恶意应用程序第12-14页
        1.1.2 SimHash相似度检测算法第14页
    1.2 国内外研究现状第14-18页
    1.3 本文研究内容和意义第18-19页
    1.4 本文组织结构第19-21页
第2章 相关技术分析第21-42页
    2.1 Android系统基础第21-23页
        2.1.1 Linux内核层(Linux Kernel)第22页
        2.1.2 系统运行库层(Libraries和Android Runtime)第22页
        2.1.3 应用程序架构层(Application Framework)第22-23页
        2.1.4 应用程序层(Applications)第23页
    2.2 Android安全机制第23-26页
        2.2.1 进程沙箱隔离机制第23-24页
        2.2.2 应用程序签名机制第24页
        2.2.3 权限声明机制第24-25页
        2.2.4 访问控制机制第25页
        2.2.5 进程通信机制第25-26页
        2.2.6 内存管理机制第26页
    2.3 恶意应用程序第26-29页
        2.3.1 Android恶意应用程序分类第26-27页
        2.3.2 Android恶意应用程序目的第27-28页
        2.3.3 Android恶意应用程序传播和触发第28-29页
    2.4 Android恶意家族第29-32页
    2.5 Android应用程序文件结构第32-35页
        2.5.1 APK文件第32-33页
        2.5.2 dex文件第33-34页
        2.5.3 smali文件第34-35页
    2.6 SimHash算法第35-39页
        2.6.1 SimHash算法第35-36页
        2.6.2 Hamming Distance第36页
        2.6.3 SimHash值生成第36-39页
    2.7 Voted Perceptron投票算法第39-41页
    2.8 本章小结第41-42页
第3章 改进的SimHash算法第42-48页
    3.1 传统SimHash算法弊端第42-43页
        3.1.1 传统SimHash算法第42页
        3.1.2 传统SimHash算法弊端第42-43页
    3.2 改进的SimHash算法第43-46页
        3.2.1 改进的SimHash算法技术方案第43-45页
        3.2.2 改进的SimHash算法理论基础第45-46页
        3.2.3 改进的SimHash算法应用实例第46页
    3.3 本章小结第46-48页
第4章 基于多层SimHash的相似度检测方法第48-61页
    4.1 多层检测第48-54页
        4.1.1 AndroidManifest.xml文件第48-50页
        4.1.2 smali代码第50-51页
        4.1.3 smali代码指令提取第51-52页
        4.1.4 java代码第52-54页
        4.1.5 java代码指令提取第54页
    4.2 恶意代码检测及恶意家族分类训练过程第54-56页
    4.3 恶意代码检测及恶意家族测试过程第56-57页
    4.4 基于Voted Perceptron投票算法的改进算法第57-59页
        4.4.1 基于可信度的权重投票算法第57-58页
        4.4.2 基于可信度的权重投票算法算法举例第58-59页
    4.5 实验结果与分析第59-60页
    4.6 本章小结第60-61页
第5章 Android恶意代码检测与分类系统的设计与实现第61-69页
    5.1 总体框架设计第61-63页
        5.1.1 实验环境第61页
        5.1.2 系统架构第61-63页
    5.2 训练及数据收集模块设计与实现第63-67页
        5.2.1 Android分层提取模块第63-65页
        5.2.2 基于SimHash的分层相似度训练模块第65-67页
    5.3 基于可信度的权重投票模块设计与实现第67页
    5.4 系统界面第67页
    5.5 本章小结第67-69页
第6章 结论与展望第69-71页
    6.1 结论第69-70页
    6.2 展望第70-71页
参考文献第71-74页
致谢第74-75页
攻读学位期间参加的科研项目和成果第75页

论文共75页,点击 下载论文
上一篇:基于分类与聚类数据挖掘的高校招生决策系统研究
下一篇:大规模MIMO非平稳信道建模及特性研究