| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外相关工作 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关背景知识 | 第16-22页 |
| 2.1 ANDROID系统基础知识 | 第16-19页 |
| 2.1.1 Android系统框架 | 第16-17页 |
| 2.1.2 Android的安全机制 | 第17-19页 |
| 2.2 恶意应用检测方法 | 第19-20页 |
| 2.2.1 基于签名的匹配 | 第19页 |
| 2.2.2 静态特征检测 | 第19-20页 |
| 2.2.3 动态特征检测 | 第20页 |
| 2.3 数据挖掘原理 | 第20-21页 |
| 2.3.1 分类 | 第20页 |
| 2.3.2 交叉验证方法 | 第20-21页 |
| 2.3.3 集成学习方法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 ANDROID应用多重特征提取 | 第22-45页 |
| 3.1 静态特征提取 | 第22-30页 |
| 3.1.1 APK文件结构简介 | 第22-23页 |
| 3.1.2 基于反编译Smali汇编码的特征提取 | 第23-28页 |
| 3.1.3 基于Permission权限的特征提取 | 第28-30页 |
| 3.2 动态特征提取 | 第30-35页 |
| 3.2.1 Zygote进程 | 第30-31页 |
| 3.2.2 动态注入劫持 | 第31-33页 |
| 3.2.3 事件触发与特征提取 | 第33-35页 |
| 3.3 多重特征的分类对比实验 | 第35-44页 |
| 3.3.1 APK样本集和特征选取 | 第35页 |
| 3.3.2 分类的评估 | 第35-36页 |
| 3.3.3 单一特征实验 | 第36-40页 |
| 3.3.4 多重特征实验 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 集成学习对分类效果的提升 | 第45-55页 |
| 4.1 基础分类算法简述 | 第45-47页 |
| 4.2 集成学习方法 | 第47-51页 |
| 4.2.1 Bagging | 第48-49页 |
| 4.2.2 Boosting | 第49-51页 |
| 4.2.3 Stacking | 第51页 |
| 4.3 集成学习方法实验 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于多重特征的ANDROID恶意应用检测系统 | 第55-62页 |
| 5.1 系统框架 | 第55-56页 |
| 5.1.1 实现环境 | 第55页 |
| 5.1.2 系统组成 | 第55-56页 |
| 5.2 模块功能 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |