| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景与意义 | 第15-18页 |
| 1.1.1 智能手机的发展现状 | 第15-17页 |
| 1.1.2 智能手机恶意软件的出现和增长 | 第17页 |
| 1.1.3 研究意义 | 第17-18页 |
| 1.2 国内外的研究现状 | 第18-21页 |
| 1.2.1 研究方法概述 | 第18页 |
| 1.2.2 国内外研究成果 | 第18-21页 |
| 1.3 本文的主要研究内容与结构安排 | 第21-22页 |
| 1.3.1 研究主要内容 | 第21页 |
| 1.3.2 文章结构安排 | 第21-22页 |
| 第二章 Android系统结构及安全机制 | 第22-30页 |
| 2.1 Android系统概述 | 第22页 |
| 2.2 Android系统的体系结构 | 第22-25页 |
| 2.2.1 内核层 | 第22-23页 |
| 2.2.2 系统函数库层 | 第23-24页 |
| 2.2.3 应用框架层 | 第24-25页 |
| 2.2.4 应用层 | 第25页 |
| 2.3 Android系统的安全性及其研究 | 第25-28页 |
| 2.3.1 Android系统安全 | 第25-26页 |
| 2.3.2 Android应用安全 | 第26-28页 |
| 2.4 Android恶意软件分类 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 Android恶意软件静态检测方法研究 | 第30-41页 |
| 3.1 Android应用分析基础 | 第30-31页 |
| 3.2 Android平台权限机制 | 第31-32页 |
| 3.2.1 权限机制 | 第31-32页 |
| 3.2.2 基于权限的研究 | 第32页 |
| 3.3 基于权限的轻量级检测算法—LWD | 第32-39页 |
| 3.3.1 LWD算法 | 第33页 |
| 3.3.2 LWD方法与过程 | 第33-35页 |
| 3.3.3 实验结果及结论 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于多特征的Android恶意软件检测方法 | 第41-57页 |
| 4.1 机器学习概述 | 第41-44页 |
| 4.1.1 特征选择 | 第41-42页 |
| 4.1.2 分类算法 | 第42-44页 |
| 4.2 Android程序包结构 | 第44页 |
| 4.3 基于多特征的朴素贝叶斯恶意软件检测算法 | 第44-55页 |
| 4.3.1 朴素贝叶斯分类 | 第45页 |
| 4.3.2 算法的特征提取 | 第45-46页 |
| 4.3.3 实验设计与分析 | 第46-49页 |
| 4.3.4 实验结果与结论 | 第49-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-64页 |