| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文目标和研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 Android应用软件安全威胁 | 第14-38页 |
| 2.1 Android平台概述 | 第14-31页 |
| 2.1.1 Android体系结构 | 第14-22页 |
| 2.1.2 Android应用程序文件结构 | 第22-28页 |
| 2.1.3 Android安全机制 | 第28-31页 |
| 2.2 传统的静态防御技术 | 第31-34页 |
| 2.3 应用软件安全威胁 | 第34-38页 |
| 2.3.1 静态攻击 | 第34-35页 |
| 2.3.2 动态攻击 | 第35-38页 |
| 第三章 Android应用保护方案的设计 | 第38-54页 |
| 3.1 方案整体设计 | 第38-39页 |
| 3.2 so文件保护技术 | 第39-42页 |
| 3.2.1 so内部函数名混淆 | 第39-40页 |
| 3.2.2 so内部函数名符号表隐藏 | 第40页 |
| 3.2.3 so库核心函数加密 | 第40-42页 |
| 3.3 基于动态加载的加壳技术 | 第42-44页 |
| 3.3.1 加壳模块 | 第42-43页 |
| 3.3.2 动态加载模块 | 第43-44页 |
| 3.4 动态防御机制 | 第44-49页 |
| 3.4.1 防JDWP攻击 | 第44-47页 |
| 3.4.2 防PTRACE攻击 | 第47-49页 |
| 3.5 Android应用软件相似度信息统计 | 第49-51页 |
| 3.5.1 相似性度量方法 | 第49-50页 |
| 3.5.2 构建Android应用程序结点依赖图 | 第50页 |
| 3.5.3 计算应用相似值 | 第50-51页 |
| 3.6 基于深度学习技术的Android恶意应用识别 | 第51-54页 |
| 3.6.1 恶意检测方法 | 第51-52页 |
| 3.6.2 特征提取 | 第52页 |
| 3.6.3 Android应用分类 | 第52-54页 |
| 第四章 Android应用保护方案的实现 | 第54-60页 |
| 4.1 加固模块的实现 | 第54-57页 |
| 4.1.1 加固框架 | 第54-55页 |
| 4.1.2 功能实现 | 第55-57页 |
| 4.2 检测模块的实现 | 第57-60页 |
| 4.2.1 检测框架 | 第57-58页 |
| 4.2.2 功能实现 | 第58-60页 |
| 第五章 实验结果及分析 | 第60-76页 |
| 5.1 抗攻击能力 | 第60-72页 |
| 5.1.1 APK静态分析 | 第60-63页 |
| 5.1.2 APK动态分析 | 第63-67页 |
| 5.1.3 Android网络抓包 | 第67-69页 |
| 5.1.4 APK相似性分析 | 第69-70页 |
| 5.1.5 APP恶意检测 | 第70-71页 |
| 5.1.6 综合分析 | 第71-72页 |
| 5.2 ART与Dalvik比较 | 第72-73页 |
| 5.3 结论及建议 | 第73-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间发表的学术论文 | 第87页 |