iOS平台恶意软件检测与分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 背景分析 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 隐私泄漏检测研究 | 第9-10页 |
| 1.2.2 智能手机应用程序分析研究 | 第10-11页 |
| 1.2.3 使用机器学习方法的恶意软件检测研究 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 iOS安全机制及威胁 | 第14-26页 |
| 2.1 iOS系统架构 | 第14-15页 |
| 2.2 iOS安全机制介绍 | 第15-20页 |
| 2.2.1 系统级安全研究 | 第16-18页 |
| 2.2.2 运行时安全研究 | 第18-20页 |
| 2.3 iOS安全隐患以及威胁 | 第20-23页 |
| 2.4 现有检测方式的不足 | 第23-25页 |
| 2.4.1 官方检测方式的不足 | 第23-24页 |
| 2.4.2 学术界相关研究的不足 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 DMIA恶意软件检测系统的设计 | 第26-34页 |
| 3.1 DMIA系统架构 | 第26-27页 |
| 3.2 监听层设计的理论支持 | 第27-28页 |
| 3.3 系统和应用之间的监听层 | 第28-30页 |
| 3.4 基于预值检测的恶意行为鉴别技术 | 第30-31页 |
| 3.5 基于机器学习的恶意行为分类模型 | 第31-33页 |
| 3.5.1 特征向量及选择策略 | 第31-33页 |
| 3.5.2 基于门限的动态分类模型(TBDC) | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 DMIA恶意软件检测系统的实现 | 第34-46页 |
| 4.1 整理隐私相关函数 | 第34-37页 |
| 4.2 配置越狱开发环境 | 第37-38页 |
| 4.3 植入监听层 | 第38-43页 |
| 4.4 预值检测的实现 | 第43-45页 |
| 4.5 TBDC的实现 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 DMIA恶意软件检测系统的评估 | 第46-53页 |
| 5.1 DMIA有效性及性能评估 | 第46-49页 |
| 5.1.1 相关工作对比 | 第48-49页 |
| 5.2 案例分析 | 第49页 |
| 5.3 正常平台(即未越狱)上检测恶意软件的尝试 | 第49-52页 |
| 5.3.1 正常系统上的hook | 第50-51页 |
| 5.3.2 日志获取与应用安装 | 第51-52页 |
| 5.3.3 实验结果 | 第52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 本文工作总结 | 第53页 |
| 6.2 未来研究方向 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |
