基于手机电池的设备指纹技术的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 浏览器指纹 | 第9-12页 |
| 1.2.2 硬件指纹 | 第12-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 背景知识 | 第16-23页 |
| 2.1 设备指纹介绍 | 第16页 |
| 2.2 移动端设备指纹识别技术发展历程 | 第16-19页 |
| 2.3 Android手机电量消耗计算原理 | 第19-20页 |
| 2.4 朴素贝叶斯分类 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 电量指纹设计 | 第23-34页 |
| 3.1 总体设计 | 第23-24页 |
| 3.2 数据收集阶段设计 | 第24-27页 |
| 3.2.1 任务设计阶段的详细设计 | 第25页 |
| 3.2.2 收集工具的详细设计 | 第25-27页 |
| 3.3 数据处理阶段设计 | 第27-30页 |
| 3.3.1 电量数据的噪声分析 | 第28页 |
| 3.3.2 去噪处理 | 第28-30页 |
| 3.4 特征选择提取阶段设计 | 第30-32页 |
| 3.4.1 耗电量特征分析 | 第30-31页 |
| 3.4.2 最优特征子集分析 | 第31-32页 |
| 3.5 指纹匹配阶段设计 | 第32页 |
| 3.6 本章小结 | 第32-34页 |
| 4 电量指纹实现 | 第34-44页 |
| 4.1 总体实现 | 第34页 |
| 4.2 数据收集模块实现 | 第34-37页 |
| 4.2.1 耗电任务设计 | 第34-35页 |
| 4.2.2 监听任务执行完成 | 第35-36页 |
| 4.2.3 电量数据收集 | 第36-37页 |
| 4.3 数据处理模块实现 | 第37-39页 |
| 4.3.1 耗电量信号分析 | 第38页 |
| 4.3.2 去噪处理 | 第38-39页 |
| 4.4 特征选择提取模块实现 | 第39-41页 |
| 4.4.1 特征分析 | 第39-40页 |
| 4.4.2 指纹合成 | 第40-41页 |
| 4.5 指纹匹配模块实现 | 第41-42页 |
| 4.5.1 分类器训练 | 第42页 |
| 4.5.2 设备识别 | 第42页 |
| 4.6 本章小结 | 第42-44页 |
| 5 基于电量指纹的设备识别方法的评估 | 第44-54页 |
| 5.1 实验设置 | 第45-46页 |
| 5.1.1 评估标准 | 第45-46页 |
| 5.1.2 实验设备 | 第46页 |
| 5.2 特征评估 | 第46-47页 |
| 5.3 总体性能评估 | 第47-48页 |
| 5.4 当前电量的影响评估 | 第48-49页 |
| 5.5 健壮性评估 | 第49-50页 |
| 5.6 任务设计评估 | 第50-51页 |
| 5.6.1 变化的任务量 | 第50-51页 |
| 5.6.2 不变的任务量 | 第51页 |
| 5.7 对用户体验影响评估 | 第51-52页 |
| 5.8 本章小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
