安卓恶意软件检测的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 论文主要工作及组织结构 | 第16-17页 |
| 2 相关技术介绍 | 第17-28页 |
| 2.1 Android平台概述 | 第17-18页 |
| 2.2 Android系统体系 | 第18-20页 |
| 2.2.1 Linux内核 | 第18-19页 |
| 2.2.2 核心库与运行环境层 | 第19页 |
| 2.2.3 应用程序框架层 | 第19-20页 |
| 2.2.4 应用层 | 第20页 |
| 2.3 Android安全机制 | 第20-24页 |
| 2.3.1 应用框架层 | 第20-22页 |
| 2.3.2 运行环境层 | 第22页 |
| 2.3.3 Android文件访问控制机制 | 第22-24页 |
| 2.4 Android系统安全漏洞分析 | 第24-26页 |
| 2.4.1 权限控制机制漏洞 | 第24-25页 |
| 2.4.2 组件安全机制漏洞 | 第25-26页 |
| 2.5 恶意软件分析 | 第26-27页 |
| 2.5.1 恶意软件的动机 | 第26页 |
| 2.5.2 恶意软件的传播途径 | 第26页 |
| 2.5.3 恶意软件的攻击方式 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 恶意软件检测的特征优化 | 第28-46页 |
| 3.1 特征提取 | 第28-30页 |
| 3.1.1 静态特征提取 | 第28-29页 |
| 3.1.2 静态特征数据集 | 第29-30页 |
| 3.2 特征优化模块 | 第30-34页 |
| 3.2.1 基于概率的特征选择 | 第30-32页 |
| 3.2.2 基于数据分层的特征选择 | 第32-34页 |
| 3.3 支持向量机 | 第34-37页 |
| 3.3.1 支持向量机原理 | 第34-36页 |
| 3.3.2 线性不可分与核函数 | 第36-37页 |
| 3.4 基于SVM的恶意软件检测 | 第37-45页 |
| 3.4.1 数据集 | 第37页 |
| 3.4.2 评价指标 | 第37-38页 |
| 3.4.3 实验结果及结论 | 第38-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 异常检测算法及其优化 | 第46-57页 |
| 4.1 异常检测 | 第46-47页 |
| 4.2 SVDD算法改进 | 第47-50页 |
| 4.2.1 SVDD的基本原理 | 第47-48页 |
| 4.2.2 SVDD算法改进 | 第48-50页 |
| 4.3 基于SVDD的恶意软件异常检测 | 第50-56页 |
| 4.3.1 数据集 | 第51-52页 |
| 4.3.2 评价指标 | 第52-53页 |
| 4.3.3 实验结果及结论 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-60页 |
| 5.1 研究工作总结 | 第57-58页 |
| 5.2 对未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
