| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-23页 |
| 1.1 研究背景 | 第16-18页 |
| 1.2 研究意义 | 第18-19页 |
| 1.3 论文的主要工作 | 第19-21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 第2章 Android系统及其应用的相关技术介绍 | 第23-33页 |
| 2.1 Android综述 | 第23-25页 |
| 2.1.1 Android操作系统 | 第23-24页 |
| 2.1.2 Android应用程序 | 第24-25页 |
| 2.1.3 Android应用安全机制 | 第25页 |
| 2.2 Android应用流量分析关键技术 | 第25-28页 |
| 2.2.1 流量测量技术 | 第25-26页 |
| 2.2.2 Android应用识别技术 | 第26-27页 |
| 2.2.3 恶意应用网络流量分析技术 | 第27-28页 |
| 2.3 Android应用恶意行为检测关键技术 | 第28-31页 |
| 2.3.1 Android应用恶意行为介绍 | 第28-29页 |
| 2.3.2 静态分析技术 | 第29-30页 |
| 2.3.3 动态分析技术 | 第30-31页 |
| 2.4 小结 | 第31-33页 |
| 第3章 Android应用网络流量自动生成方法研究 | 第33-55页 |
| 3.1 引言 | 第33-34页 |
| 3.2 问题描述 | 第34-35页 |
| 3.3 AndroGenerator概述 | 第35页 |
| 3.4 Android应用自动执行组件设计 | 第35-40页 |
| 3.4.1 事件生成模块 | 第36页 |
| 3.4.2 路径识别模块 | 第36-40页 |
| 3.4.3 自动执行模块 | 第40页 |
| 3.4.4 配置规则模块 | 第40页 |
| 3.5 流量解析组件设计 | 第40-42页 |
| 3.5.1 广告库的网络流量提取 | 第41-42页 |
| 3.5.2 流量属性提取 | 第42页 |
| 3.6 Android网络流量生成器组件设计 | 第42-44页 |
| 3.7 实验 | 第44-53页 |
| 3.7.1 数据集和实验环境 | 第44-47页 |
| 3.7.2 自动执行应用算法验证 | 第47-49页 |
| 3.7.3 生成流量比较结果 | 第49-53页 |
| 3.8 小结 | 第53-55页 |
| 第4章 Android应用流量开销测量及推荐算法研究 | 第55-78页 |
| 4.1 引言 | 第55-56页 |
| 4.2 Android应用网络流量开销测量分析 | 第56-62页 |
| 4.2.1 Android应用集合描述 | 第56-57页 |
| 4.2.2 Android应用总体网络流量开销测量与分析 | 第57-58页 |
| 4.2.3 Android应用网络流量开销成分测量与分析 | 第58-60页 |
| 4.2.4 相似功能的Android应用网络流量开销测量与分析 | 第60-62页 |
| 4.3 基于网络流量开销考虑的Android应用推荐方法 | 第62-69页 |
| 4.3.1 问题描述 | 第62-63页 |
| 4.3.2 网络流量开销评分确定 | 第63-66页 |
| 4.3.3 Android应用推荐排名算法 | 第66-68页 |
| 4.3.4 Android应用哈希矩阵 | 第68-69页 |
| 4.4 实验 | 第69-77页 |
| 4.4.1 实验准备 | 第69-71页 |
| 4.4.2 实验结果 | 第71-77页 |
| 4.5 小结 | 第77-78页 |
| 第5章 基于HTTP特征签名的Android应用识别方法 | 第78-93页 |
| 5.1 引言 | 第78-79页 |
| 5.2 基于网络流量的Android应用识别方法存在的问题 | 第79-81页 |
| 5.2.1 问题描述 | 第79-80页 |
| 5.2.2 HTTP特征签名定义 | 第80-81页 |
| 5.2.3 解决思路 | 第81页 |
| 5.3 HTTP特征签名提取 | 第81-86页 |
| 5.3.1 特殊字符串提取 | 第82-84页 |
| 5.3.2 普通字符串提取 | 第84-86页 |
| 5.4 实验 | 第86-92页 |
| 5.4.1 实验数据集 | 第86-88页 |
| 5.4.2 特征签名提取结果 | 第88-89页 |
| 5.4.3 模拟网络流量验证结果 | 第89-90页 |
| 5.4.4 实际网络流量验证结果 | 第90-92页 |
| 5.5 小结 | 第92-93页 |
| 第6章 HTTP流挖掘技术的Android恶意行为检测 | 第93-118页 |
| 6.1 引言 | 第93-94页 |
| 6.2 Android恶意行为载体定义与分析 | 第94-95页 |
| 6.2.1 Android恶意应用 | 第94页 |
| 6.2.2 不安全广告库 | 第94-95页 |
| 6.3 HTTP流量与恶意行为关联分析 | 第95-110页 |
| 6.3.1 Android恶意行为特征 | 第95-96页 |
| 6.3.2 HTTP流量特征化研究 | 第96-110页 |
| 6.4 Android恶意应用与不安全广告库检测 | 第110-111页 |
| 6.5 基于HTTP指纹相似度的归类算法 | 第111-113页 |
| 6.6 实验 | 第113-116页 |
| 6.6.1 Android恶意应用检测结果 | 第113-114页 |
| 6.6.2 不安全广告库检测结果 | 第114-115页 |
| 6.6.3 归类结果 | 第115-116页 |
| 6.7 小结 | 第116-118页 |
| 第7章 基于命令与控制通信信道的移动僵尸网络检测 | 第118-128页 |
| 7.1 引言 | 第118-119页 |
| 7.2 相关工作 | 第119-120页 |
| 7.3 检测方法 | 第120-124页 |
| 7.3.1 预过滤规则 | 第121页 |
| 7.3.2 移动僵尸网络命令与控制通信信道流量特征分析 | 第121-123页 |
| 7.3.3 移动僵尸网络检测方法 | 第123-124页 |
| 7.4 实验 | 第124-126页 |
| 7.4.1 实验准备和数据采集 | 第124-125页 |
| 7.4.2 实验结果 | 第125-126页 |
| 7.4.3 与其他检测方法对比 | 第126页 |
| 7.5 小结 | 第126-128页 |
| 结论 | 第128-131页 |
| 参考文献 | 第131-143页 |
| 致谢 | 第143-145页 |
| 附录 A攻读学位期间完成的论文 | 第145-147页 |
| 附录 B攻读学位期间参加的科研课题 | 第147页 |
| B1 科研项目 | 第147页 |
| B2 发明专利与软件著作权登记 | 第147页 |
