| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 章节安排 | 第14-16页 |
| 第二章 安卓系统安全及相关理论 | 第16-29页 |
| 2.1 安卓系统综述 | 第16-18页 |
| 2.1.1 系统架构 | 第16-17页 |
| 2.1.2 应用组件 | 第17-18页 |
| 2.2 安卓系统的安全与隐患 | 第18-24页 |
| 2.2.1 安卓系统安全机制介绍 | 第18-22页 |
| 2.2.2 安卓系统的安全漏洞与隐患 | 第22-24页 |
| 2.3 安卓系统电量分析机制与工具 | 第24-26页 |
| 2.3.1 安卓系统电量管理 | 第24页 |
| 2.3.2 电量分析工具介绍 | 第24-26页 |
| 2.4 安卓系统恶意行为分析 | 第26-28页 |
| 2.4.1 安卓系统恶意行为分类 | 第26-27页 |
| 2.4.2 恶意行为耗电量分析 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于电量分析的安卓系统异常检测方法 | 第29-43页 |
| 3.1 电量监测与处理 | 第29-31页 |
| 3.2 时序波形特征提取 | 第31-35页 |
| 3.2.1 MFCC特征提取算法 | 第32-34页 |
| 3.2.2 MFCC提取改进算法 | 第34-35页 |
| 3.3 波形特征匹配 | 第35-38页 |
| 3.3.1 高斯混合模型 | 第35-36页 |
| 3.3.2 高斯混合模型训练与检测 | 第36-38页 |
| 3.4 基于电量分析检测恶意行为算法设计 | 第38-41页 |
| 3.4.1 基于MFCC和GMM的电量分析算法设计思路 | 第38-40页 |
| 3.4.2 基于MFCC和GMM的电量分析算法步骤 | 第40页 |
| 3.4.3 基于MFCC和GMM的电量分析算法流程图 | 第40-41页 |
| 3.5 基于电量分析的安卓系统恶意行为检测模型 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 仿真实验与结果分析 | 第43-56页 |
| 4.1 检测模型设计思路 | 第43页 |
| 4.2 检测模型具体实现 | 第43-51页 |
| 4.2.1 实验数据采集与处理 | 第43-47页 |
| 4.2.2 GMM特征库构建 | 第47-50页 |
| 4.2.3 核心代码实现 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-55页 |
| 4.3.1 电量监测时间对检测率的影响 | 第51-53页 |
| 4.3.2 特征参数对检测率的影响 | 第53-54页 |
| 4.3.3 GMM混合度对检测率的影响 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
