移动应用安全检测系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 ANDROID恶意应用攻击及检测技术研究 | 第13-22页 |
| 2.1 ANDROID恶意应用的分类 | 第13-14页 |
| 2.2 ANDROID恶意应用的攻击方式 | 第14-18页 |
| 2.2.1 病毒模块的伪装 | 第14-15页 |
| 2.2.2 权限绕过攻击 | 第15-16页 |
| 2.2.3 恶意域名访问 | 第16页 |
| 2.2.4 恶意吸费 | 第16-17页 |
| 2.2.5 恶意访问本地数据 | 第17-18页 |
| 2.3 ANDROID恶意应用检测技术 | 第18-20页 |
| 2.3.1 基于签名的检测方法 | 第18页 |
| 2.3.2 应用完整性验证方法 | 第18页 |
| 2.3.3 基于权限的检测方法 | 第18-19页 |
| 2.3.4 静态分析方法 | 第19页 |
| 2.3.5 动态分析方法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 ANDROID平台安全检测系统设计要点 | 第22-38页 |
| 3.1 相关问题分析 | 第22页 |
| 3.2 ANDROID应用特征分析 | 第22-25页 |
| 3.2.1 Android应用结构 | 第22-23页 |
| 3.2.2 AndroidManifest文件 | 第23-24页 |
| 3.2.3 DEX二进制文件 | 第24-25页 |
| 3.2.4 资源文件 | 第25页 |
| 3.3 机器学习算法研究 | 第25-31页 |
| 3.3.1 决策树分类 | 第25-26页 |
| 3.3.2 贝叶斯分类 | 第26-27页 |
| 3.3.3 K近邻算法 | 第27-28页 |
| 3.3.4 支持向量机 | 第28-31页 |
| 3.4 关键模块设计 | 第31-37页 |
| 3.4.1 预处理模块 | 第31-32页 |
| 3.4.2 签名信息处理模块 | 第32页 |
| 3.4.3 特征提取模块 | 第32-35页 |
| 3.4.4 机器学习模块 | 第35-36页 |
| 3.4.5 结果处理模块 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 ANDROID平台安全检测系统的实现 | 第38-57页 |
| 4.1 开发环境及工具 | 第38-39页 |
| 4.1.1 部分工具介绍 | 第38-39页 |
| 4.2 系统需求与功能 | 第39-40页 |
| 4.2.1 系统需求 | 第39页 |
| 4.2.2 系统功能 | 第39-40页 |
| 4.3 系统整体架构 | 第40-42页 |
| 4.3.1 系统架构图 | 第40-41页 |
| 4.3.2 系统流程 | 第41页 |
| 4.3.3 全局数据结构设计 | 第41-42页 |
| 4.4 关键模块实现 | 第42-48页 |
| 4.4.1 预处理模块 | 第42-43页 |
| 4.4.2 签名信息处理模块 | 第43-44页 |
| 4.4.3 特征提取模块 | 第44-46页 |
| 4.4.4 机器学习模块 | 第46-47页 |
| 4.4.5 结果处理模块 | 第47-48页 |
| 4.5 系统结果展示 | 第48页 |
| 4.6 实验验证 | 第48-55页 |
| 4.6.1 样本选择 | 第49页 |
| 4.6.2 样本处理 | 第49页 |
| 4.6.3 模型构造 | 第49-51页 |
| 4.6.4 检测性能 | 第51-55页 |
| 4.6.5 运行性能 | 第55页 |
| 4.7 本章小结 | 第55-57页 |
| 第五章 结束语 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 5.2.1 多种机器学习算法的结合 | 第58页 |
| 5.2.2 安全检测与云平台技术的结合 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
