首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

Android应用相似性检测研究

摘要第5-6页
Abstract第6页
第一章 绪论第10-18页
    1.1 研究背景与意义第10-12页
    1.2 国内外研究现状第12-15页
        1.2.1 国外研究现状第12-14页
        1.2.2 国内研究现状第14-15页
    1.3 研究内容第15页
    1.4 论文组织结构第15-18页
第二章 基于类目录结构的相似性研究第18-30页
    2.1 APK的反编译第18-19页
        2.1.1 APK的组成第18页
        2.1.2 Dalvik虚拟机第18-19页
        2.1.3 反编译第19页
    2.2 特征信息的提取第19-23页
        2.2.1 类的目录树结构第20页
        2.2.2 树节点标签第20-21页
        2.2.3 节点标签的哈希第21-22页
        2.2.4 树标签转化为线性结构第22-23页
    2.3 相似性比较第23-24页
        2.3.1 编辑距离第23页
        2.3.2 相似度公式第23-24页
    2.4 方案实现第24-28页
        2.4.1 总体界面和流程第24-25页
        2.4.2 解压得到classes.dex第25-26页
        2.4.3 转化为jar文件第26页
        2.4.4 转化为class文件第26页
        2.4.5 生成签名第26-27页
        2.4.6 删除文件夹第27-28页
        2.4.7 运行界面第28页
    2.5 小结第28-30页
第三章 基于截图界面的相似性研究第30-50页
    3.1 图像特征第30页
    3.2 全局特征算法研究第30-33页
        3.2.1 颜色直方图第31页
        3.2.2 颜色矩第31-32页
        3.2.3 颜色聚合向量第32页
        3.2.4 三种算法总结第32-33页
    3.3 局部特征算法研究第33-36页
        3.3.1 Harris角点算法第33页
        3.3.2 SIFT特征点算法第33-35页
        3.3.3 PCA-SIFT特征点算法第35页
        3.3.4 SURF特征点算法第35-36页
        3.3.5 四种算法总结第36页
    3.4 SUFR特征提取匹配算法第36-40页
        3.4.1 特征点的检测和提取第36-39页
        3.4.2 特征点的描述第39-40页
        3.4.3 特征点的匹配第40页
    3.5 Android界面特征分析第40-42页
    3.6 界面相似性的SURF算法改进第42-46页
        3.6.1 特征点过滤第42-44页
        3.6.2 匹配误判纠正第44-46页
    3.7 方案实现第46-48页
        3.7.1 OpenCV简介第46-47页
        3.7.2 总体流程第47-48页
        3.7.3 特征点过滤第48页
    3.8 小结第48-50页
第四章 相似性检测系统的实现第50-64页
    4.1 基于类目录的分析第50-55页
        4.1.1 独立应用第50-51页
        4.1.2 一般相似应用第51-52页
        4.1.3 严重相似应用第52页
        4.1.4 完全重打包应用第52-53页
        4.1.5 阈值设定第53-54页
        4.1.6 应用验证第54-55页
    4.2 基于截图界面相似性的分析第55-58页
        4.2.1 相似度的阈值设定第55页
        4.2.2 对时间的优化第55-58页
    4.3 批处理检测过程第58-62页
        4.3.1 生成应用签名库第58-59页
        4.3.2 签名库内比较第59页
        4.3.3 相似签名对第59-60页
        4.3.4 图形化显示第60-62页
    4.4 小结第62-64页
第五章 实验结果与分析第64-74页
    5.1 类目录拓扑图结果展示第64-67页
        5.1.1 拓扑图展示第64页
        5.1.2 完全重打包检测第64-66页
        5.1.3 严重相似应用检测第66页
        5.1.4 单个应用与其他应用的关联第66-67页
    5.2 界面拓扑图结果展示第67-70页
    5.3 两种分析方法的差异性第70-71页
    5.4 与DroidMoss的实验对比第71页
    5.5 应用商店对盗版相似应用的处理建议第71-72页
    5.6 小结第72-74页
第六章 总结与展望第74-76页
    6.1 本文成果总结第74页
    6.2 研究展望第74-76页
致谢第76-78页
参考文献第78-80页

论文共80页,点击 下载论文
上一篇:基于主动学习的实体链接方法研究
下一篇:基于图模型的个人日常行为数据分析