| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文章节安排 | 第13-14页 |
| 第二章 Android框架与Android恶意应用检测技术 | 第14-22页 |
| 2.1 Android系统框架 | 第14-16页 |
| 2.2 Android应用程序 | 第16-17页 |
| 2.3 Android安全机制 | 第17-20页 |
| 2.3.1 进程沙箱隔离机制 | 第18页 |
| 2.3.2 应用程序签名机制 | 第18-19页 |
| 2.3.3 权限声明机制 | 第19页 |
| 2.3.4 Android进程通信机制 | 第19-20页 |
| 2.3.5 内存管理机制 | 第20页 |
| 2.4 Android应用程序检测技术 | 第20-21页 |
| 2.4.1 静态检测技术 | 第20页 |
| 2.4.2 动态检测技术 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于集成学习的Android恶意代码检测方法 | 第22-35页 |
| 3.1 相关工作 | 第22-23页 |
| 3.2 互信息公式及概述 | 第23-24页 |
| 3.3 敏感API概述 | 第24-25页 |
| 3.4 集成学习算法 | 第25-26页 |
| 3.5 基于集成学习的静态检测模型实现 | 第26-31页 |
| 3.5.1 特征提取 | 第26-27页 |
| 3.5.2 敏感API集合的生成 | 第27-29页 |
| 3.5.3 特征向量的生成 | 第29-30页 |
| 3.5.4 投票策略 | 第30-31页 |
| 3.6 实验结果及实验分析 | 第31-34页 |
| 3.6.1 实验环境 | 第31页 |
| 3.6.2 评价指标 | 第31页 |
| 3.6.3 结果与分析 | 第31-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 基于动态特征的Android恶意代码检测方法 | 第35-45页 |
| 4.1 相关工作 | 第35页 |
| 4.2 Xposed框架介绍 | 第35-37页 |
| 4.3 Hook方法 | 第37-38页 |
| 4.4 基于动态特征的Android恶意应用检测模型的实现 | 第38-43页 |
| 4.4.1 自动化测试工具Monkey | 第39-41页 |
| 4.4.2 特征提取 | 第41-42页 |
| 4.4.3 敏感API序列特征库的生成 | 第42页 |
| 4.4.4 分类算法 | 第42-43页 |
| 4.5 结果与分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 Android恶意应用的综合检测方案 | 第45-51页 |
| 5.1 综合模型的规划与实现 | 第45-48页 |
| 5.2 综合模型检测结果与分析 | 第48-50页 |
| 5.2.1 实验环境部署 | 第48-49页 |
| 5.2.2 实验结果与分析 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 论文工作总结 | 第51页 |
| 6.2 未来工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
