| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 静态代码分析 | 第12-14页 |
| 1.2.2 动态代码分析 | 第14-15页 |
| 1.3 研究目的与意义 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第二章 系统设计相关背景介绍 | 第17-28页 |
| 2.1 Android系统架构及运行原理 | 第17-23页 |
| 2.1.1 Android系统架构设计 | 第17-19页 |
| 2.1.2 Android系统安全机制 | 第19-20页 |
| 2.1.3 Android系统的启动流程分析 | 第20-22页 |
| 2.1.4 Android系统服务的工作原理及其控制 | 第22-23页 |
| 2.2 自动化测试技术 | 第23-24页 |
| 2.2.1 自动化测试的优点 | 第23-24页 |
| 2.2.2 自动化测试的分类，主流的测试工具以及选择 | 第24页 |
| 2.3 机器学习算法 | 第24-27页 |
| 2.3.1 机器学习算法的选择 | 第25-26页 |
| 2.3.2 集成机器学习算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于机器学习的恶意软件检测系统的设计与实现 | 第28-57页 |
| 3.1 系统整体框架与运行流程介绍 | 第28-29页 |
| 3.2 Android系统服务监控客户端实现 | 第29-43页 |
| 3.2.1 Android系统服务监控客户端总体架构设计 | 第29-30页 |
| 3.2.2 Hook模块的设计与实现 | 第30-37页 |
| 3.2.3 Service服务进程的接口设计与挂载 | 第37-41页 |
| 3.2.4 应用程序安装与卸载监控逻辑 | 第41-43页 |
| 3.3 PC控制端的设计与实现 | 第43-52页 |
| 3.3.1 整体架构 | 第43-44页 |
| 3.3.2 数据源模块 | 第44-45页 |
| 3.3.3 静态解析模块 | 第45-46页 |
| 3.3.4 应用程序入口启动测试 | 第46-49页 |
| 3.3.5 monkey测试模块 | 第49-52页 |
| 3.4 机器学习模块的设计与实现 | 第52-56页 |
| 3.4.1 特征向量提取模块 | 第52-53页 |
| 3.4.2 数据库存储模块 | 第53-54页 |
| 3.4.3 训练样本划分与算法模块导入 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 系统测试与实验分析 | 第57-64页 |
| 4.1 Android调试桥工具与测试环境选择 | 第57页 |
| 4.2 测试样本选择与测试分析 | 第57-58页 |
| 4.3 实验数据分析 | 第58-60页 |
| 4.3.1 预测精度分析 | 第58-59页 |
| 4.3.2 漏报与误报分析 | 第59-60页 |
| 4.3.3 集成算法改进精度分析 | 第60页 |
| 4.4 有区分度的函数调用与恶意行为监测结果分析 | 第60-62页 |
| 4.5 误差分析 | 第62-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 在学期间的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
