Android平台应用程序恶意行为检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第2章 Android恶意应用检测方法分析 | 第18-30页 |
| 2.1 Android平台分析 | 第18-22页 |
| 2.1.1 系统架构及Dalvik虚拟机 | 第18-20页 |
| 2.1.2 安全机制分析 | 第20-22页 |
| 2.2 应用程序恶意行为特征 | 第22-25页 |
| 2.2.1 攻击方式分析 | 第22-23页 |
| 2.2.2 恶意行为类型分析 | 第23-24页 |
| 2.2.3 恶意行为触发方式分析 | 第24-25页 |
| 2.3 恶意应用检测技术分析 | 第25-27页 |
| 2.3.1 特征码检测技术 | 第25-26页 |
| 2.3.2 启发式扫描技术 | 第26页 |
| 2.3.3 行为检测技术 | 第26-27页 |
| 2.4 行为触发方法分析 | 第27-29页 |
| 2.4.1 Monkey触发方式分析 | 第27页 |
| 2.4.2 Monkeyrunner触发方式分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 AMBDS恶意行为检测框架 | 第30-44页 |
| 3.1 基于行为检测技术的恶意应用检测方法分析 | 第30-33页 |
| 3.1.1 应用层敏感API检测方法分析 | 第30-31页 |
| 3.1.2 框架层敏感API检测方法分析 | 第31-32页 |
| 3.1.3 内核层行为检测方法分析 | 第32-33页 |
| 3.2 AMBDS框架 | 第33-35页 |
| 3.3 多层行为监控模块 | 第35-40页 |
| 3.3.1 Java代码行为监控 | 第35-39页 |
| 3.3.2 本地代码行为监控 | 第39-40页 |
| 3.3.3 网络行为监控 | 第40页 |
| 3.4 行为分析模块 | 第40-43页 |
| 3.4.1 预处理 | 第41页 |
| 3.4.2 特征匹配 | 第41-42页 |
| 3.4.3 报告生成 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 DriodRunner行为触发模型设计 | 第44-56页 |
| 4.1 DroidRunner总体架构 | 第44-47页 |
| 4.2 多组合均衡遍历算法 | 第47-52页 |
| 4.2.1 界面调度分析 | 第47-48页 |
| 4.2.2 多组合均衡遍历算法思想 | 第48-50页 |
| 4.2.3 多组合均衡遍历算法描述 | 第50-52页 |
| 4.3 特殊事件触发库设计 | 第52-55页 |
| 4.3.1 特殊事件触发库策略思想 | 第52-53页 |
| 4.3.2 特殊事件实现方式 | 第53-54页 |
| 4.3.3 特殊事件触发库存储设计 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 方法验证与结果分析 | 第56-64页 |
| 5.1 测试环境 | 第56-58页 |
| 5.1.1 系统软硬件环境 | 第56页 |
| 5.1.2 测试环境配置 | 第56-58页 |
| 5.2 实验内容与结果分析 | 第58-63页 |
| 5.2.1 模拟器性能分析 | 第59-60页 |
| 5.2.2 DroidRunner触发效果分析 | 第60-61页 |
| 5.2.3 AMBDS检测效果分析 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
