基于协同训练的Android恶意软件检测方法的研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第2章 Android及协同训练相关理论 | 第18-34页 |
| 2.1 Android相关理论 | 第18-25页 |
| 2.1.1 Android系统架构 | 第18-21页 |
| 2.1.2 Android安全性机制 | 第21-23页 |
| 2.1.3 Android软件结构 | 第23-25页 |
| 2.2 协同训练相关理论 | 第25-33页 |
| 2.2.1 机器学习 | 第25-31页 |
| 2.2.2 N-Gram模型 | 第31页 |
| 2.2.3 协同训练算法 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 Android恶意软件检测模型的设计 | 第34-48页 |
| 3.1 方案整体设计 | 第34-35页 |
| 3.2 样本采集与样本处理 | 第35-36页 |
| 3.2.1 样本采集 | 第35-36页 |
| 3.2.2 样本处理 | 第36页 |
| 3.3 特征选取 | 第36-44页 |
| 3.3.1 特征选择 | 第37-43页 |
| 3.3.2 特征提取 | 第43-44页 |
| 3.4 多视图协同训练 | 第44-46页 |
| 3.4.1 单一视图算法甄选 | 第44-45页 |
| 3.4.2 协同训练 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 Android恶意软件检测模型的实现 | 第48-58页 |
| 4.1 样本采集与处理 | 第48-51页 |
| 4.2 特征提取与视图分割 | 第51-54页 |
| 4.2.1 权限特征提取 | 第51-52页 |
| 4.2.2 API特征提取 | 第52-53页 |
| 4.2.3 OpCode特征提取 | 第53-54页 |
| 4.3 多视图协同训练 | 第54-56页 |
| 4.3.1 单一视图算法甄选 | 第54-55页 |
| 4.3.2 协同训练 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 实验与结果分析 | 第58-66页 |
| 5.1 实验环境介绍 | 第58页 |
| 5.2 单一视图算法甄选实验结果与分析 | 第58-60页 |
| 5.3 三视图协同训练实验结果与分析 | 第60-63页 |
| 5.4 本方案与传统方案实验对比结果分析 | 第63-64页 |
| 5.5 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
