基于应用分类的Android恶意软件静态检测模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 基础理论知识 | 第15-24页 |
| 2.1 Android平台安全分析 | 第15-17页 |
| 2.1.1 Android体系结构 | 第15-16页 |
| 2.1.2 Android软件组件分析 | 第16-17页 |
| 2.2 Android安全模型 | 第17-20页 |
| 2.2.1 应用程序沙箱 | 第17-18页 |
| 2.2.2 权限机制 | 第18-20页 |
| 2.3 APK文件分析 | 第20-21页 |
| 2.4 基于机器学习算法的分类检测 | 第21-23页 |
| 2.4.1 特征筛选算法 | 第21-22页 |
| 2.4.2 分类检测算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于应用分类的恶意软件静态检测模型设计 | 第24-35页 |
| 3.1 模型概述 | 第24页 |
| 3.2 Android应用分类 | 第24-25页 |
| 3.3 特征提取 | 第25-26页 |
| 3.4 特征筛选 | 第26-31页 |
| 3.4.1 IG-ReliefF算法 | 第26-31页 |
| 3.4.2 特征筛选流程 | 第31页 |
| 3.5 分类检测 | 第31-34页 |
| 3.5.1 Bagging-SVM算法 | 第31-32页 |
| 3.5.2 分类检测流程 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 模型实现与结果验证 | 第35-45页 |
| 4.1 实验设计与环境配置 | 第35页 |
| 4.2 样本收集及应用分类 | 第35页 |
| 4.3 特征提取实验 | 第35-38页 |
| 4.3.1 特征提取与实验结果 | 第35-37页 |
| 4.3.2 特征提取结果分析 | 第37-38页 |
| 4.4 特征筛选实验 | 第38-41页 |
| 4.4.1 IG-ReliefF算法有效性对比 | 第38-39页 |
| 4.4.2 特征筛选与结果分析 | 第39-41页 |
| 4.5 分类检测实验 | 第41-44页 |
| 4.5.1 Bagging-SVM算法有效性对比 | 第41-43页 |
| 4.5.2 分类检测与结果分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 论文工作总结 | 第45页 |
| 5.2 未来工作展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 作者简介 | 第53页 |
