摘要 | 第4-5页 |
abstract | 第5页 |
缩略图 | 第11-12页 |
第一章 绪论 | 第12-18页 |
1.1 研究背景 | 第12-14页 |
1.2 研究目的及意义 | 第14页 |
1.3 国内外研究现状 | 第14-16页 |
1.4 主要研究内容 | 第16-17页 |
1.5 论文结构安排 | 第17-18页 |
第二章 Android系统与恶意检测技术分析 | 第18-32页 |
2.1 Android系统结构分析 | 第18-24页 |
2.1.1 Android系统架构 | 第18-19页 |
2.1.2 Android应用组件 | 第19-21页 |
2.1.3 Android应用目录结构 | 第21-22页 |
2.1.4 Android安全机制 | 第22-24页 |
2.2 Android恶意应用检测技术分析 | 第24-25页 |
2.2.1 动态分析检测技术 | 第24-25页 |
2.2.2 静态分析检测技术 | 第25页 |
2.3 静态分析检测框架 | 第25-26页 |
2.4 WEKA数据挖掘工具 | 第26-27页 |
2.5 机器学习算法结构分析 | 第27-30页 |
2.5.1 随机森林 | 第27-28页 |
2.5.2 J48 | 第28-29页 |
2.5.3 LibSVM | 第29-30页 |
2.6 D-S证据理论 | 第30-31页 |
2.7 本章小结 | 第31-32页 |
第三章 Android静态行为特征分析与提取 | 第32-41页 |
3.1 权限组合特征的恶意行为分析与提取 | 第32-37页 |
3.1.1 样本集权限统计 | 第32-34页 |
3.1.2 权限组合特征的提取 | 第34-37页 |
3.2 系统API特征的恶意行为分析与提取 | 第37-39页 |
3.3 相关组件特征的恶意行为分析与提取 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第四章 基于多特征的Android恶意应用检测模型 | 第41-48页 |
4.1 基于权限组合特征的检测模块 | 第41-43页 |
4.2 基于系统API特征的检测模块 | 第43-44页 |
4.3 基于相关组件特征的检测模块 | 第44页 |
4.5 基于多特征的恶意应用检测模型 | 第44-47页 |
4.5.1 利用D-S证据理论对恶意应用检测的实现 | 第44-45页 |
4.5.2 基于多特征的恶意应用检测模型 | 第45-47页 |
4.6 本章小结 | 第47-48页 |
第五章 实验与分析 | 第48-57页 |
5.1 实验样本数据 | 第48页 |
5.2 实验环境 | 第48-49页 |
5.3 实验设计 | 第49页 |
5.4 实验检测分类评价方法 | 第49-50页 |
5.5 实验结果及分析 | 第50-55页 |
5.5.1 权限组合的特征选取实验 | 第50-52页 |
5.5.2 系统API的特征选取实验 | 第52-53页 |
5.5.3 相关组件的特征选取实验 | 第53-54页 |
5.5.4 特征融合实验 | 第54-55页 |
5.5.5 多特征融合模型与三类特征线性融合模型的对比实验 | 第55页 |
5.6 本章小结 | 第55-57页 |
第六章 基于多特征检测技术的移动APP系统开发与实现 | 第57-67页 |
6.1 系统的结构说明 | 第58-60页 |
6.1.1 系统架构 | 第58页 |
6.1.2 系统总体设计 | 第58-59页 |
6.1.3 部分关键模块的实现 | 第59-60页 |
6.2 系统数据结构 | 第60-61页 |
6.3 系统功能模块设计 | 第61-66页 |
6.3.1 技术顾问登录 | 第61页 |
6.3.2 技术顾问注册 | 第61-62页 |
6.3.3 主界面 | 第62-63页 |
6.3.4 APP安全检测功能 | 第63-64页 |
6.3.5 客户资料管理 | 第64-65页 |
6.3.6 咨询聊天功能 | 第65页 |
6.3.7 健康数据图形化功能 | 第65-66页 |
6.4 系统性能分析 | 第66页 |
6.5 本章小结 | 第66-67页 |
第七章 总结与展望 | 第67-69页 |
7.1 总结 | 第67-68页 |
7.2 展望 | 第68-69页 |
参考文献 | 第69-72页 |
致谢 | 第72-73页 |
在学期间的研究成果及发表的学术论文 | 第73-74页 |
附录 | 第74-78页 |