摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景和意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 基于静态分析方面的研究 | 第12页 |
1.2.2 基于动态分析方面的研究 | 第12-13页 |
1.2.3 基于机器学习方面的研究 | 第13页 |
1.3 主要研究内容 | 第13-14页 |
1.4 论文结构 | 第14-16页 |
第2章 背景知识与相关技术 | 第16-26页 |
2.1 Android平台及安全机制 | 第16-20页 |
2.1.1 Android体系结构 | 第16-18页 |
2.1.2 系统安全机制 | 第18-19页 |
2.1.3 安全机制缺陷 | 第19-20页 |
2.2 恶意软件类别及检测技术 | 第20-22页 |
2.2.1 恶意软件类别 | 第20-21页 |
2.2.2 静态检测技术 | 第21-22页 |
2.2.3 动态检测技术 | 第22页 |
2.3 机器学习 | 第22-25页 |
2.3.1 整体学习流程 | 第22-24页 |
2.3.2 支持向量机 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第3章 系统总体架构 | 第26-32页 |
3.1 需求概述 | 第26-27页 |
3.1.1 业务流程分析 | 第26页 |
3.1.2 面向用户分析 | 第26-27页 |
3.1.3 设计目标 | 第27页 |
3.2 可行性分析 | 第27-28页 |
3.2.1 理论可行性 | 第27页 |
3.2.2 技术可行性 | 第27-28页 |
3.3 系统总体设计 | 第28-30页 |
3.3.1 整体框架结构 | 第28-29页 |
3.3.2 核心功能模块 | 第29-30页 |
3.4 本章小结 | 第30-32页 |
第4章 动静结合的多维混合特征提取方案 | 第32-42页 |
4.1 APK组成及解析方法 | 第32-34页 |
4.1.1 APK文件结构 | 第32-33页 |
4.1.2 反编译工具 | 第33-34页 |
4.2 Android静态特征选取方案设计 | 第34-38页 |
4.2.1 AndroidManifest.xml特征提取 | 第34-37页 |
4.2.2 classes.dex特征提取 | 第37-38页 |
4.3 Android动态特征选取方案设计 | 第38-39页 |
4.4 实验结果分析 | 第39-41页 |
4.5 本章小结 | 第41-42页 |
第5章 基于支持向量机的检测模型构建 | 第42-56页 |
5.1 分类器训练流程 | 第42-43页 |
5.2 训练样本来源 | 第43页 |
5.2.1 正常软件样本 | 第43页 |
5.2.2 恶意软件样本 | 第43页 |
5.3 优化的特征选择方案设计 | 第43-47页 |
5.3.1 理论分析 | 第44-46页 |
5.3.2 优化的Relief算法设计 | 第46-47页 |
5.4 支持向量机检测模型建立 | 第47-50页 |
5.4.1 检测模型设计 | 第47-48页 |
5.4.2 特征预处理 | 第48-49页 |
5.4.3 SVM分类模型训练 | 第49-50页 |
5.5 实验结果分析 | 第50-55页 |
5.6 本章小结 | 第55-56页 |
第6章 系统实现与测试 | 第56-78页 |
6.1 系统检测流程 | 第56-57页 |
6.2 服务器端深度检测 | 第57-65页 |
6.2.1 特征提取模块 | 第58-63页 |
6.2.2 数据处理模块 | 第63-65页 |
6.2.3 分类决策模块 | 第65页 |
6.3 客户端轻量级检测 | 第65-71页 |
6.3.1 特征码检测模块 | 第66-68页 |
6.3.2 权限检测模块 | 第68-69页 |
6.3.3 内存管理模块 | 第69-70页 |
6.3.4 软件管理模块 | 第70-71页 |
6.4 系统测试 | 第71-76页 |
6.4.1 实验环境 | 第71页 |
6.4.2 功能测试 | 第71-73页 |
6.4.3 检测准确率测试 | 第73-75页 |
6.4.4 检测效率测试 | 第75-76页 |
6.5 本章小结 | 第76-78页 |
结论 | 第78-80页 |
参考文献 | 第80-84页 |
攻读硕士学位期间所发表的学术论文 | 第84-86页 |
致谢 | 第86页 |