| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 选题背景及研究意义 | 第13-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.3 主要研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 Android安全与机器学习技术理论基础 | 第21-35页 |
| 2.1 Android系统架构 | 第21-24页 |
| 2.2 Android应用重要组件 | 第24-28页 |
| 2.3 Android系统安全机制 | 第28-32页 |
| 2.3.1 Android沙箱机制 | 第29-30页 |
| 2.3.2 Android权限机制 | 第30-32页 |
| 2.4 相关机器学习技术简介 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于轻量级语义特征的Android恶意应用静态检测方法 | 第35-51页 |
| 3.1 恶意应用问题描述 | 第35-37页 |
| 3.2 恶意应用检测方法 | 第37-50页 |
| 3.2.1 方法概述 | 第37-38页 |
| 3.2.2 生成函数调用图 | 第38-39页 |
| 3.2.3 提取语义特征 | 第39-46页 |
| 3.2.4 提取语法特征 | 第46-48页 |
| 3.2.5 构建特征矩阵 | 第48-49页 |
| 3.2.6 训练分类模型 | 第49-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 实验结果与评估 | 第51-67页 |
| 4.1 实验条件 | 第51-52页 |
| 4.1.1 实验环境 | 第51页 |
| 4.1.2 数据集 | 第51-52页 |
| 4.1.3 评估指标 | 第52页 |
| 4.2 实验结果及分析 | 第52-62页 |
| 4.2.1 分类技术与整体性能 | 第53-54页 |
| 4.2.2 特征集及其表示形式 | 第54-59页 |
| 4.2.3 与相关检测工具比较 | 第59-62页 |
| 4.3 特征分析 | 第62-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录A UI事件相关的触发点方法名 | 第74-75页 |
| 附录B 特征集中的语法特征 | 第75-76页 |
| 附录C 信息增益与皮尔森系数排序均为前30的特征 | 第76-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |