| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和目标 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 安卓操作系统及恶意安卓应用检测 | 第15-28页 |
| 2.1 安卓操作系统概述 | 第15-22页 |
| 2.1.1 安卓系统架构 | 第15-17页 |
| 2.1.2 进程间通信 | 第17-18页 |
| 2.1.3 安卓安全模型 | 第18-20页 |
| 2.1.4 安卓系统权限 | 第20-22页 |
| 2.2 恶意安卓应用与检测 | 第22-24页 |
| 2.2.1 恶意安卓应用的分类 | 第23页 |
| 2.2.2 恶意安卓应用的安装方式 | 第23页 |
| 2.2.3 恶意安卓应用检测概述 | 第23-24页 |
| 2.3 机器学习与恶意安卓应用检测 | 第24-27页 |
| 2.3.1 机器学习 | 第25-26页 |
| 2.3.2 恶意安卓应用检测框架 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 安卓应用样本及创建数据集 | 第28-35页 |
| 3.1 安卓应用样本 | 第28-29页 |
| 3.1.1 恶意安卓应用样本 | 第28-29页 |
| 3.1.2 非恶意安卓应用样本 | 第29页 |
| 3.2 创建数据集 | 第29-34页 |
| 3.2.1 反编译 | 第30-32页 |
| 3.2.2 特征提取 | 第32-34页 |
| 3.2.3 特征处理 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于多粒度级联森林的恶意安卓应用检测模型 | 第35-45页 |
| 4.1 多粒度级联森林算法 | 第35-39页 |
| 4.1.1 级联森林 | 第35-37页 |
| 4.1.2 多粒度扫描 | 第37-38页 |
| 4.1.3 GCForest的性能影响参数 | 第38-39页 |
| 4.2 基于静态多粒度级联森林的恶意安卓应用检测模型设计 | 第39-43页 |
| 4.2.1 APK数据库模块 | 第40页 |
| 4.2.2 APK特征提取模块 | 第40-41页 |
| 4.2.3 GCForest训练模块 | 第41-42页 |
| 4.2.4 未知属性APK检测模块 | 第42-43页 |
| 4.3 恶意安卓应用检测模型性能评价指标 | 第43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 模型仿真实验及结果分析 | 第45-55页 |
| 5.1 仿真实验环境 | 第45页 |
| 5.1.1 硬件平台环境 | 第45页 |
| 5.1.2 软件平台环境 | 第45页 |
| 5.2 实验数据 | 第45页 |
| 5.3 仿真实验和结果分析 | 第45-52页 |
| 5.4 实验对比 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |