| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 概述 | 第13-16页 |
| 1.1.1 相关概念 | 第13-15页 |
| 1.1.2 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 Android恶意代码静态分析方法 | 第16-18页 |
| 1.2.2 Android恶意代码动态、动静结合分析方法 | 第18-20页 |
| 1.3 论文主要工作 | 第20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 Android终端恶意代码检测系统总体设计 | 第22-31页 |
| 2.1 Android终端恶意代码检测系统设计目标与原则 | 第22-23页 |
| 2.2 Android终端恶意代码检测系统功能设计 | 第23-24页 |
| 2.3 Android终端恶意代码检测系统总体架构设计 | 第24-26页 |
| 2.3.1 Android终端恶意代码检测系统架构设计 | 第24-25页 |
| 2.3.2 Android终端恶意代码检测系统逻辑结构设计 | 第25-26页 |
| 2.4 Android终端恶意代码检测系统总体流程设计 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于多特征的Android恶意代码检测机制 | 第31-43页 |
| 3.1 Android恶意软件家族多特征描述模型 | 第31-34页 |
| 3.1.1 软件的关键特征表示 | 第31-33页 |
| 3.1.2 恶意软件家族多特征描述模型 | 第33-34页 |
| 3.2 多特征描述模型抽取和构建方法 | 第34-36页 |
| 3.2.1 软件关键特征提取 | 第34-36页 |
| 3.2.2 恶意软件家族多特征描述模型构建 | 第36页 |
| 3.3 基于多特征的恶意代码多标签检测算法 | 第36-37页 |
| 3.4 实验与结果分析 | 第37-42页 |
| 3.4.1 数据集与环境设置 | 第38页 |
| 3.4.2 恶意软件家族特征实例 | 第38-39页 |
| 3.4.3 已知恶意软件多标签检测实验 | 第39-41页 |
| 3.4.4 未知软件检测实验 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于动静结合的Android恶意代码检测机制 | 第43-59页 |
| 4.1 基于动静结合的Android恶意代码检测框架 | 第43页 |
| 4.2 Android软件特征提取 | 第43-47页 |
| 4.2.1 Android软件静态预处理 | 第44-45页 |
| 4.2.2 Android软件动态特征提取方法 | 第45-47页 |
| 4.3 基于机器学习的恶意代码检测方法 | 第47-52页 |
| 4.3.1 软件特征表示方法 | 第47-50页 |
| 4.3.2 恶意软件多标签检测方法 | 第50-52页 |
| 4.4 实验与结果分析 | 第52-58页 |
| 4.4.1 数据集与环境设置 | 第52页 |
| 4.4.2 动静结合监控效果验证 | 第52-54页 |
| 4.4.3 软件恶意性判定实验 | 第54-56页 |
| 4.4.4 恶意家族分类实验 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 Android终端恶意代码检测系统的实现 | 第59-73页 |
| 5.1 系统实现概述 | 第59-60页 |
| 5.2 相关数据结构设计 | 第60-62页 |
| 5.3 核心功能模块的实现 | 第62-68页 |
| 5.3.1 静态检测机制的实现 | 第62-64页 |
| 5.3.2 动静结合检测机制的实现 | 第64-67页 |
| 5.3.3 在线辅助检测机制的实现 | 第67-68页 |
| 5.4 系统评估与分析 | 第68-71页 |
| 5.4.1 检测准确性测试 | 第68-69页 |
| 5.4.2 性能测试 | 第69-70页 |
| 5.4.3 相关研究对比 | 第70-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 论文工作总结 | 第73页 |
| 6.2 进一步研究工作 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |
