基于Spark的移动恶意软件检测技术与应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题背景与意义 | 第12-14页 |
| 1.2 研究现状及存在问题 | 第14-15页 |
| 1.2.1 静态分析 | 第14-15页 |
| 1.2.2 动态分析 | 第15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 移动恶意软件检测相关技术 | 第17-28页 |
| 2.1 移动恶意软件现状 | 第17页 |
| 2.2 Android平台 | 第17-20页 |
| 2.3 Android应用 | 第20-21页 |
| 2.4 Android恶意软件检测技术 | 第21-25页 |
| 2.4.1 基于特征码的检测技术 | 第22-23页 |
| 2.4.2 基于行为的检测技术 | 第23-24页 |
| 2.4.3 基于数据挖掘的检测技术 | 第24-25页 |
| 2.5 Spark | 第25-26页 |
| 2.6 研究重点与框架 | 第26-28页 |
| 第三章 基于受保护API的移动恶意软件特征 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 Android应用特征提取 | 第28-35页 |
| 3.2.1 权限特征提取 | 第29-32页 |
| 3.2.2 PA特征提取 | 第32-35页 |
| 3.3 DTF特征选择方法 | 第35-36页 |
| 3.4 特征格式化 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于随机森林的移动恶意软件检测模型 | 第38-50页 |
| 4.1 随机森林 | 第38-39页 |
| 4.2 基于随机森林的移动恶意软件检测模型 | 第39-42页 |
| 4.3 验证与分析 | 第42-49页 |
| 4.3.1 实验环境 | 第42页 |
| 4.3.2 评价指标 | 第42-43页 |
| 4.3.3 DTF特征选择方法 | 第43-45页 |
| 4.3.4 特征对比 | 第45-46页 |
| 4.3.5 随机森林分类模型 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于Spark的移动恶意软件检测系统实现 | 第50-61页 |
| 5.1 ACRF系统架构设计 | 第50-51页 |
| 5.2 ACRF各功能模块设计 | 第51-56页 |
| 5.2.1 Android客户端 | 第51-53页 |
| 5.2.2 Web服务端 | 第53-54页 |
| 5.2.3 Spark集群 | 第54-56页 |
| 5.3 系统测试 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
