首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

基于集成学习的Android恶意应用检测方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第14-23页
    1.1 研究背景和意义第14-16页
    1.2 研究现状第16-20页
        1.2.1 基于静态分析的检测第16-17页
        1.2.2 基于动态分析的检测第17-19页
        1.2.3 基于机器学习的检测第19-20页
    1.3 主要研究内容第20-21页
    1.4 论文组织结构第21-23页
第2章 Android系统及相关技术第23-33页
    2.1 Android系统第23-27页
        2.1.1 系统简介第23-25页
        2.1.2 Android应用程序包结构第25-27页
    2.2 Android恶意应用第27-30页
        2.2.1 恶意应用类别第27-29页
        2.2.2 对抗检测技术第29-30页
    2.3 Android安全机制第30-31页
        2.3.1 沙箱机制第30页
        2.3.2 签名机制第30页
        2.3.3 权限机制第30-31页
    2.4 机器学习算法简介第31-32页
    2.5 本章小结第32-33页
第3章 基于本地行为和集成学习的Android恶意应用检测第33-52页
    3.1 本地行为描述第33-36页
        3.1.1 本地行为特征的类型第33-35页
        3.1.2 本地行为特征的分类第35-36页
    3.2 系统框架第36-44页
        3.2.1 系统结构第36-37页
        3.2.2 特征提取模块第37-38页
        3.2.3 特征选择模块第38-39页
        3.2.4 特征描述模块第39-40页
        3.2.5 并行机器学习模块第40-42页
        3.2.6 多分类器集成模块第42-44页
    3.3 实验评估第44-51页
        3.3.1 实验设置第44页
        3.3.2 检测性能评估第44-47页
        3.3.3 检测结果的比较第47-49页
        3.3.4 运行时性能评估第49-51页
    3.4 本章小结第51-52页
第4章 基于网络行为和集成学习的Android恶意应用检测第52-63页
    4.1 网络行为描述第52-54页
    4.2 系统框架第54-58页
        4.2.1 设计原理第54-57页
        4.2.2 系统结构第57-58页
    4.3 实验评估第58-61页
        4.3.1 实验设置第58-59页
        4.3.2 算法时间开销论证第59-60页
        4.3.3 检测效果评估第60-61页
    4.4 基于网络行为与本地行为的集成检测第61-62页
    4.5 本章小结第62-63页
第5章 Android应用行为特征细粒度分析第63-76页
    5.1 本地行为对比分析第63-66页
    5.2 本地行为持久性分析第66-71页
        5.2.1 特征持久性实验第66-68页
        5.2.2 特征持久性分析第68-71页
    5.3 网络行为对比分析第71-73页
    5.4 网络行为持久性分析第73-74页
        5.4.1 特征持久性实验第73-74页
        5.4.2 特征持久性分析第74页
    5.5 本章小结第74-76页
结论第76-78页
参考文献第78-83页
附录 A 发表论文和参加科研情况说明第83-84页
致谢第84页

论文共84页,点击 下载论文
上一篇:模块化稀疏表示在复杂情境下的人脸识别算法研究与应用
下一篇:基于UI资源相似性的Android重打包应用检测方法研究