| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 论文组织及内容安排 | 第13-15页 |
| 第2章 Android系统安全机制及检测技术 | 第15-31页 |
| 2.1 Android系统简介 | 第15-18页 |
| 2.2 Android安全机制 | 第18-21页 |
| 2.3 Android安全隐患 | 第21-22页 |
| 2.4 Android应用程序恶意行为检测技术简述 | 第22-29页 |
| 2.4.1 静态分析技术 | 第23-25页 |
| 2.4.2 动态检测技术 | 第25-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 检测优化算法 | 第31-37页 |
| 3.1 AdaBoost优化算法 | 第31-32页 |
| 3.1.1 AdaBoost优化算法定义 | 第31页 |
| 3.1.2 Adaboost优化算法流程 | 第31-32页 |
| 3.2 支持向量机优化算法 | 第32-35页 |
| 3.2.1 支持向量机优化算法定义 | 第32-33页 |
| 3.2.2 支持向量机优化算法原理 | 第33-35页 |
| 3.3 随机森林优化算法 | 第35-36页 |
| 3.3.1 随机森林优化算法定义 | 第35页 |
| 3.3.2 随机森林优化算法原理 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 检测验证模型 | 第37-51页 |
| 4.1 Android应用程序恶意行为检测模型设计及实现 | 第37-50页 |
| 4.1.1 数据收集 | 第38页 |
| 4.1.2 逆向工程 | 第38-39页 |
| 4.1.3 特征分类 | 第39-42页 |
| 4.1.4 生成二进制向量 | 第42-43页 |
| 4.1.5 特征选择 | 第43-44页 |
| 4.1.6 模型实现 | 第44-50页 |
| 4.2 本章小结 | 第50-51页 |
| 第5章 实验内容及结果分析 | 第51-57页 |
| 5.1 实验环境 | 第51-52页 |
| 5.2 数据分析 | 第52-55页 |
| 5.2.1 数据指标 | 第52页 |
| 5.2.2 数据测试 | 第52-55页 |
| 5.3 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文 | 第63-65页 |
| 个人简历 | 第65-67页 |
| 致谢 | 第67页 |