面向图结构的Android恶意软件检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 研究内容及论文组织结构 | 第18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 相关技术介绍 | 第19-35页 |
| 2.1 Android平台相关技术 | 第19-27页 |
| 2.1.1 Android系统体系结构 | 第19-21页 |
| 2.1.2 Android安全机制 | 第21-23页 |
| 2.1.3 APK文件结构 | 第23-25页 |
| 2.1.4 恶意软件检测特征选择 | 第25-27页 |
| 2.1.5 恶意软件分析 | 第27页 |
| 2.2 深度学习与神经网络 | 第27-34页 |
| 2.2.1 深度学习概述 | 第28-29页 |
| 2.2.2 人工神经网络 | 第29-32页 |
| 2.2.3 卷积神经网络 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 面向图结构的恶意软件检测 | 第35-46页 |
| 3.1 CNN处理图结构的思路 | 第35-37页 |
| 3.2 总体检测框架 | 第37-38页 |
| 3.3 详细检测步骤 | 第38-45页 |
| 3.3.1 生成函数调用图 | 第38-39页 |
| 3.3.2 确定节点序列 | 第39-40页 |
| 3.3.3 生成邻接图 | 第40-41页 |
| 3.3.4 图的归一化 | 第41-43页 |
| 3.3.5 CNN学习过程 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 实验设计与结果分析 | 第46-57页 |
| 4.1 实验准备 | 第46-48页 |
| 4.1.1 实验数据 | 第46-47页 |
| 4.1.2 实验环境 | 第47页 |
| 4.1.3 性能度量指标 | 第47-48页 |
| 4.2 实验设计与结果分析 | 第48-55页 |
| 4.2.1 检测率 | 第49-51页 |
| 4.2.2 检测效率 | 第51-52页 |
| 4.2.3 综合性能 | 第52-53页 |
| 4.2.4 学习曲线 | 第53-54页 |
| 4.2.5 阈值 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 总结与展望 | 第57-60页 |
| 5.1 研究工作总结 | 第57-58页 |
| 5.2 未来展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
