| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 智能手机的发展现状 | 第9-10页 |
| 1.1.2 智能手机平台上的恶意软件 | 第10-11页 |
| 1.2 Android恶意软件检测研究现状 | 第11-14页 |
| 1.3 本文的主要工作和结构安排 | 第14-15页 |
| 1.3.1 主要工作内容 | 第14-15页 |
| 1.3.2 本文的结构安排 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 相关理论和技术 | 第16-28页 |
| 2.1 Android系统综述 | 第16-22页 |
| 2.1.1 Android系统体系结构 | 第16-17页 |
| 2.1.2 Android软件概述 | 第17-22页 |
| 2.1.3 Android Dalvik虚拟机 | 第22页 |
| 2.2 Android安全机制 | 第22-23页 |
| 2.2.1 Android Linux内核层的安全机制 | 第22页 |
| 2.2.2 Android系统运行层的安全机制 | 第22-23页 |
| 2.2.3 Android应用程序框架层的安全机制 | 第23页 |
| 2.3 Android恶意软件检测相关理论 | 第23-27页 |
| 2.3.1 数据挖掘概述 | 第23-24页 |
| 2.3.2 相关分类算法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于权限关联模式挖掘算法的Android恶意软件检测方法 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 概念与定义 | 第29-31页 |
| 3.3 基于权限的关联模式挖掘算法AEclat | 第31-33页 |
| 3.4 基于AEclat算法的Android恶意软件检测方法检验流程 | 第33-34页 |
| 3.5 实验与分析 | 第34-39页 |
| 3.5.1 提取的软件敏感权限的对比 | 第35页 |
| 3.5.2 实验统计数据结果的对比 | 第35-38页 |
| 3.5.3 实验效率的对比 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于多特征多分类器集成分类的Android恶意软件检测方法 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 基于多特征多分类器集成分类的Android恶意软件检测方法总体设计 | 第40-41页 |
| 4.3 Android软件特征提取 | 第41-46页 |
| 4.3.1 敏感API调用特征提取 | 第41-43页 |
| 4.3.2 权限特征提取 | 第43-44页 |
| 4.3.3 资源特征提取 | 第44-45页 |
| 4.3.4 系统函数调用序列特征提取 | 第45-46页 |
| 4.4 基于多特征多分类器集成分类算法 | 第46-50页 |
| 4.4.1 基于多特征多分类器集成分类算法整体架构 | 第46-47页 |
| 4.4.2 基于多特征多分类器集成分类算法详细设计方案 | 第47-50页 |
| 4.5 实验与分析 | 第50-54页 |
| 4.5.1 实验环境 | 第50-51页 |
| 4.5.2 实验样本 | 第51页 |
| 4.5.3 实验方案与评估标准 | 第51-52页 |
| 4.5.4 实验结果与分析 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 Android恶意软件检测系统 | 第55-66页 |
| 5.1 系统整体设计 | 第55-56页 |
| 5.2 系统详细设计 | 第56-61页 |
| 5.2.1 样本获取模块 | 第57页 |
| 5.2.2 软件特征提取模块 | 第57-59页 |
| 5.2.3 过滤模块 | 第59-60页 |
| 5.2.4 分类算法模块 | 第60-61页 |
| 5.3 系统运行过程 | 第61-63页 |
| 5.4 实验与分析 | 第63-65页 |
| 5.4.1 实验样本 | 第63页 |
| 5.4.2 实验方案与结果分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 研究总结 | 第66页 |
| 6.2 未来展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |
