Android恶意应用检测系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-29页 |
| 2.1 ANDROID平台介绍 | 第15页 |
| 2.2 ANDROID系统构架 | 第15-19页 |
| 2.2.1 应用程序层 | 第16页 |
| 2.2.2 应用程序框架层 | 第16-17页 |
| 2.2.3 系统运行层 | 第17-18页 |
| 2.2.4 Linux内核层 | 第18-19页 |
| 2.3 ANDROID安全机制 | 第19-23页 |
| 2.4 ANDROID恶意应用 | 第23-24页 |
| 2.4.1 恶意应用传播方式 | 第23页 |
| 2.4.2 恶意应用种类 | 第23-24页 |
| 2.5 ANDROID应用程序反编译 | 第24-27页 |
| 2.6 机器学习 | 第27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 基于机器学习的ANDROID恶意应用检测 | 第29-45页 |
| 3.1 ANDROID恶意应用检测系统框架 | 第29-31页 |
| 3.2 反编译 | 第31页 |
| 3.3 提取特征 | 第31-32页 |
| 3.4 SVM | 第32-36页 |
| 3.5 SVM优化 | 第36-43页 |
| 3.5.1 特征优化 | 第37-39页 |
| 3.5.2 遗传算法 | 第39-41页 |
| 3.5.3 GA-SVM | 第41-43页 |
| 3.6 评估分类器 | 第43页 |
| 3.7 本章小结 | 第43-45页 |
| 第四章 实验结果分析与评估 | 第45-50页 |
| 4.1 实验准备 | 第45-47页 |
| 4.1.1 实验环境 | 第45-47页 |
| 4.1.2 实验样本 | 第47页 |
| 4.2 特征提取及优化 | 第47-48页 |
| 4.3 实验对比 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结论 | 第50-52页 |
| 5.1 主要结论 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
