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--计算机软件论文--程序设计、软件工程论文--软件工程论文

移动通信APP安全技术研究

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

论文共78页,点击 下载论文
上一篇:单云环境下模幂运算安全外包方法及应用
下一篇:基于伴随状态方法的SPECT识别问题的算法研究