| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 权限分析 | 第12-14页 |
| 1.2.2 静态检测 | 第14-15页 |
| 1.2.3 动态检测 | 第15-16页 |
| 1.3 研究内容与论文结构 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 论文结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 基于权限的Android恶意应用检测模型架构的设计 | 第18-30页 |
| 2.1 Android系统权限机制 | 第18-21页 |
| 2.1.1 权限机制分析 | 第18-20页 |
| 2.1.2 权限的申请与管理 | 第20-21页 |
| 2.2 基于权限的静态检测对象分析 | 第21-22页 |
| 2.3 基于权限的Android恶意应用两层检测模型的设计 | 第22-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于改进随机森林算法的恶意应用检测技术研究 | 第30-44页 |
| 3.1 基于改进随机森林算法的恶意应用检测方案 | 第30-32页 |
| 3.2 CART决策树算法 | 第32-36页 |
| 3.2.1 决策树算法基本流程 | 第32-34页 |
| 3.2.2 划分选择 | 第34页 |
| 3.2.3 剪枝处理 | 第34-36页 |
| 3.3 随机森林算法 | 第36-39页 |
| 3.3.1 随机森林算法原理 | 第36-37页 |
| 3.3.2 随机森林算法的参数选择与设置 | 第37-39页 |
| 3.4 改进随机森林算法 | 第39-43页 |
| 3.4.1 改进随机森林算法的研究 | 第39-41页 |
| 3.4.2 参数δ的选择 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于敏感权限规则的恶意应用检测技术研究 | 第44-51页 |
| 4.1 基于敏感权限规则的恶意应用检测方案 | 第44-45页 |
| 4.2 Apriori算法 | 第45-48页 |
| 4.3 K-means聚类算法 | 第48-49页 |
| 4.4 模糊集的检测方案设计 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 基于权限的Android恶意应用检测技术的实现与分析 | 第51-65页 |
| 5.1 实验环境 | 第51页 |
| 5.2 数据的收集处理 | 第51-56页 |
| 5.2.1 数据的收集 | 第51-53页 |
| 5.2.2 数据的预处理 | 第53-56页 |
| 5.3 基于改进随机森林算法检测结果分析 | 第56-58页 |
| 5.4 基于敏感权限规则匹配检测结果分析 | 第58-64页 |
| 5.4.1 敏感权限规则的挖掘 | 第59-61页 |
| 5.4.2 敏感值的计算 | 第61-62页 |
| 5.4.3 模糊集的检测方案的实现与分析 | 第62-64页 |
| 5.5 实验结果对比与分析 | 第64页 |
| 5.6 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |
