| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究进展 | 第13-14页 |
| ·研究内容和意义 | 第14-16页 |
| ·论文结构 | 第16-18页 |
| 第二章 Android相关介绍 | 第18-28页 |
| ·Android安全机制介绍 | 第18-21页 |
| ·Linux内核级安全机制 | 第18-19页 |
| ·运行环境级安全机制 | 第19-20页 |
| ·应用程序框架层安全机制 | 第20-21页 |
| ·Android恶意程序的危害及原理 | 第21-24页 |
| ·Android恶意程序的危害 | 第21页 |
| ·Android恶意程序的原理 | 第21-24页 |
| ·Android恶意软件的主要检测方法 | 第24-25页 |
| ·基于特征码的检测技术 | 第24页 |
| ·静态检测技术 | 第24-25页 |
| ·动态检测技术 | 第25页 |
| ·本章小结 | 第25-28页 |
| 第三章 基于混合特征的Android恶意软件静态检测技术 | 第28-34页 |
| ·特征向量的提取 | 第28-30页 |
| ·静态检测技术 | 第30-33页 |
| ·朴素贝叶斯分类器 | 第30-31页 |
| ·基于信息增益的特征权值计算 | 第31-32页 |
| ·改进的朴素贝叶斯分类器 | 第32-33页 |
| ·静态检测方法总体思路 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于SVM的Android恶意软件动态检测技术 | 第34-44页 |
| ·特征向量的构建 | 第34-38页 |
| ·特征属性的选取 | 第34-38页 |
| ·特征属性的标准化处理 | 第38页 |
| ·动态检测技术 | 第38-43页 |
| ·支持向量机 | 第38-40页 |
| ·基于K最近邻的SVM训练集约减算法 | 第40-43页 |
| ·动态检测方法总体思路 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 综合解决方案的提出和实验结果分析 | 第44-56页 |
| ·综合解决方案 | 第44-45页 |
| ·实验环境 | 第45-46页 |
| ·实验结果评估标准 | 第46页 |
| ·静态检测方法的实验结果与分析 | 第46-49页 |
| ·动态检测方法的实验结果与分析 | 第49-52页 |
| ·整体方案的实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·本文工作总结 | 第56页 |
| ·未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的研究成果 | 第62-64页 |
| 致谢 | 第64-66页 |
| 个人简况及联系方式 | 第66-68页 |
| 承诺书 | 第68-70页 |