| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 论文研究背景 | 第7-9页 |
| 1.1.1 智能手机现状 | 第7-8页 |
| 1.1.2 移动端恶意代码现状 | 第8-9页 |
| 1.2 课题研究意义 | 第9-10页 |
| 1.3 课题研究现状 | 第10-12页 |
| 1.3.1 恶意代码检测方法综述 | 第10-11页 |
| 1.3.2 相关国内外研究现状 | 第11-12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 基于Android恶意代码特征的态势分析相关基础 | 第14-21页 |
| 2.1 Android系统概述 | 第14-17页 |
| 2.1.1 APK简介 | 第14-15页 |
| 2.1.2 Android体系结构 | 第15-16页 |
| 2.1.3 Android安全机制概述 | 第16-17页 |
| 2.2 利用数据挖掘提取移动端恶意代码特征 | 第17-19页 |
| 2.2.1 数据挖掘概述 | 第17-18页 |
| 2.2.2 常见的数据挖掘算法 | 第18页 |
| 2.2.3 数据挖掘在恶意代码特征提取中的应用 | 第18-19页 |
| 2.3 利用态势分析移动端恶意代码特征 | 第19-20页 |
| 2.3.1 态势分析概述 | 第19页 |
| 2.3.2 态势分析在恶意代码检测上的应用 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于Android恶意代码特征的态势分析方法 | 第21-31页 |
| 3.1 基于Android恶意代码特征的态势分析框架 | 第21-22页 |
| 3.2 Android恶意代码的多种特征提取算法 | 第22-24页 |
| 3.3 Android恶意代码特征的态势分析 | 第24-30页 |
| 3.3.1 Android恶意代码特征信息的量化 | 第24-28页 |
| 3.3.2 基于熵的恶意代码特征态势权重ω的计算 | 第28-29页 |
| 3.3.3 Android恶意代码特征的态势分析方法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于Android恶意代码特征的态势分析系统实现 | 第31-44页 |
| 4.1 系统设计相关工具及环境介绍 | 第31-33页 |
| 4.1.1 算法相关工具介绍 | 第31-32页 |
| 4.1.2 系统开发环境介绍 | 第32-33页 |
| 4.2 Android恶意代码特征的态势分析系统 | 第33-40页 |
| 4.2.1 数据库的创建 | 第33-34页 |
| 4.2.2 未知恶意代码多种特征提取算法 | 第34-36页 |
| 4.2.3 态势权重ω的计算 | 第36-39页 |
| 4.2.4 态势分析方法及结果分析 | 第39-40页 |
| 4.3 系统的实现与介绍 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-46页 |
| 5.1 结论 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 作者在读期间科研成果简介 | 第50-51页 |
| 致谢 | 第51页 |
