首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--操作系统论文

基于深度学习的安卓恶意应用检测方法研究与实现

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-20页
    1.1 研究背景第10-11页
    1.2 主要研究内容第11-15页
        1.2.1 测试样本收集第12页
        1.2.2 系统调用序列的自动化获取第12-13页
        1.2.3 样本数据生成第13页
        1.2.4 深度学习模型设计构建第13-15页
        1.2.5 模型测试和优化第15页
        1.2.6 实际应用可行性分析第15页
    1.3 研究意义第15-16页
    1.4 国内外研究现状第16-18页
    1.5 章节划分第18页
    1.6 本章小节第18-20页
第二章 安卓恶意应用检测系统设计与分析第20-32页
    2.1 系统模块设计与分析第20页
    2.2 应用自动化测试模块第20-22页
        2.2.1 Android Monkey tool第20-21页
        2.2.2 Android Emulator第21页
        2.2.3 应用测试流程分析第21-22页
    2.3 系统调用序列获取模块第22-23页
    2.4 序列分析模块第23-30页
        2.4.1 输入序列预处理第23页
        2.4.2 深层信息抽取第23-30页
        2.4.3 分类第30页
    2.5 本章小结第30-32页
第三章 实验验证与结果分析第32-50页
    3.1 实验环境第32页
        3.1.1 应用测试第32页
        3.1.2 模型训练第32页
    3.2 训练数据生成第32-35页
        3.2.1 应用运行时日志收集第33-34页
        3.2.2 日志文件预处理第34-35页
    3.3 模型测试第35-39页
        3.3.1 基线和其他对比实验第35-36页
        3.3.2 垂直分层卷积各结构间对比第36-39页
        3.3.3 其他模块测试第39页
    3.4 结果分析第39-47页
        3.4.1 卷积层参数测试第39-40页
        3.4.2 基线和Fasttext第40-41页
        3.4.3 垂直分层卷积第41-44页
        3.4.4 词嵌入与独热编码第44-45页
        3.4.5 随机初始化与word2vec第45-46页
        3.4.6 训练时间对比与实际应用分析第46-47页
    3.5 结论第47-48页
    3.6 本章小结第48-50页
第四章 论文总结与研究展望第50-54页
    4.1 论文总结第50-51页
    4.2 研究展望第51-54页
参考文献第54-60页
致谢第60-62页
攻读学位期间取得的研究成果第62页

论文共62页,点击 下载论文
上一篇:以信息为中心物联网模拟器的设计与实现
下一篇:基于iOS的室内地图服务功能包(SDK)的设计与应用