安卓应用的恶意行为检测与归类方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 选题背景 | 第11-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 研究内容及意义 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 2 Android平台安全分析 | 第17-28页 |
| 2.1 Android系统架构 | 第17-19页 |
| 2.2 Android系统安全机制 | 第19-21页 |
| 2.2.1 Linux内核层访问控制 | 第19页 |
| 2.2.2 基于权限检查的机制 | 第19-20页 |
| 2.2.3 沙箱机制 | 第20-21页 |
| 2.2.4 数字签名机制 | 第21页 |
| 2.2.5 加密机制 | 第21页 |
| 2.3 Android应用结构 | 第21-25页 |
| 2.3.1 应用程序核心组件 | 第21-24页 |
| 2.3.2 应用程序的文件结构 | 第24-25页 |
| 2.4 恶意应用检测技术 | 第25-27页 |
| 2.4.1 静态分析技术 | 第25-26页 |
| 2.4.2 动态分析技术 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 恶意应用检测中的特征研究 | 第28-36页 |
| 3.1 恶意特征概览 | 第28页 |
| 3.2 恶意应用特征的三种类型 | 第28-34页 |
| 3.2.1 静态特征 | 第30-31页 |
| 3.2.2 动态特征 | 第31-33页 |
| 3.2.3 应用元数据特征 | 第33-34页 |
| 3.3 恶意应用检测数据集 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 系统框架及关键算法介绍 | 第36-47页 |
| 4.1 系统框架设计 | 第36-38页 |
| 4.2 关键算法 | 第38-45页 |
| 4.2.1 支持向量机 | 第38-40页 |
| 4.2.2 分类与回归树 | 第40-42页 |
| 4.2.3 朴素贝叶斯算法 | 第42-43页 |
| 4.2.4 K-最近邻算法 | 第43-44页 |
| 4.2.5 随机森林算法 | 第44-45页 |
| 4.3 投票表决法 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 分类器实现及实验结果分析 | 第47-62页 |
| 5.1 分类器的实现与应用 | 第47-49页 |
| 5.2 分类器评价指标 | 第49-51页 |
| 5.3 数据集和特征说明 | 第51-53页 |
| 5.4 实验结果与分析 | 第53-61页 |
| 5.4.1 恶意应用检测 | 第54-55页 |
| 5.4.2 游戏与非游戏类应用分类 | 第55-56页 |
| 5.4.3 游戏类应用分类 | 第56-57页 |
| 5.4.4 非游戏类应用分类 | 第57-60页 |
| 5.4.5 实验小结与分析 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
