摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 论文研究背景与意义 | 第10-11页 |
1.2 研究现状 | 第11-12页 |
1.2.1 Android应用程序安全分析技术 | 第11页 |
1.2.2 国内外研究现状 | 第11-12页 |
1.3 主要研究内容 | 第12-14页 |
1.3.1 Android应用程序运行时行为分析技术 | 第13页 |
1.3.2 基于行为链的Android恶意应用检测系统 | 第13-14页 |
1.4 论文的创新点 | 第14页 |
1.5 论文组织结构 | 第14-16页 |
第二章 Android应用程序运行时行为分析技术 | 第16-33页 |
2.1 总体设计 | 第16页 |
2.2 Android API拦截模块的设计与实现 | 第16-24页 |
2.2.1 进程注入技术 | 第17-20页 |
2.2.2 虚拟机动态修改技术 | 第20-22页 |
2.2.3 API拦截的实现 | 第22-24页 |
2.3 系统调用拦截模块的设计与实现 | 第24-27页 |
2.3.1 Android Native与JNI | 第25页 |
2.3.2 拦截系统调用的必要性 | 第25-26页 |
2.3.3 系统调用拦截模块的实现 | 第26-27页 |
2.4 多进程控制模块的设计与实现 | 第27-31页 |
2.4.1 多进程应用的概述 | 第27-28页 |
2.4.2 支持多进程分析的必要性 | 第28页 |
2.4.3 多进程应用的分析方法 | 第28-31页 |
2.5 总体工作流程 | 第31-32页 |
2.6 本章小结 | 第32-33页 |
第三章 基于行为链的Android恶意应用检测系统 | 第33-50页 |
3.1 Android恶意应用检测系统的总体设计 | 第33-38页 |
3.1.1 客户端的设计 | 第33-35页 |
3.1.2 服务器的设计 | 第35-36页 |
3.1.3 总体流程 | 第36-38页 |
3.2 基于行为链模型的特征分析模块的设计与实现 | 第38-44页 |
3.2.1 Android Framework层的敏感API | 第38-40页 |
3.2.2 行为链模型的概念 | 第40-41页 |
3.2.3 基于行为链的特征向量 | 第41-44页 |
3.3 基于机器学习的特征识别模块的设计与实现 | 第44-49页 |
3.3.1 机器学习的概述 | 第44页 |
3.3.2 贝叶斯分类器的原理 | 第44-45页 |
3.3.3 基于朴素贝叶斯的识别算法 | 第45-47页 |
3.3.4 特征识别模块的验证方法 | 第47-49页 |
3.4 本章小结 | 第49-50页 |
第四章 Android恶意应用检测系统的测试与分析 | 第50-67页 |
4.1 行为分析客户端的测试 | 第50-53页 |
4.1.1 界面显示 | 第50-52页 |
4.1.2 功能测试 | 第52-53页 |
4.1.3 性能测试 | 第53页 |
4.2 Android API拦截的功能测试 | 第53-55页 |
4.2.1 测试目的 | 第53-54页 |
4.2.2 测试方法 | 第54页 |
4.2.3 测试结果与分析 | 第54-55页 |
4.3 Android API拦截的性能测试 | 第55-57页 |
4.3.1 测试目的 | 第55页 |
4.3.2 测试方法 | 第55页 |
4.3.3 测试结果与分析 | 第55-57页 |
4.4 系统调用拦截的功能测试 | 第57-62页 |
4.4.1 测试目的 | 第57页 |
4.4.2 测试方法 | 第57-58页 |
4.4.3 测试结果与分析 | 第58-62页 |
4.5 恶意应用检测系统的功能测试 | 第62-64页 |
4.5.1 测试目的 | 第62页 |
4.5.2 性能指标 | 第62页 |
4.5.3 测试方法 | 第62-63页 |
4.5.4 测试结果与分析 | 第63-64页 |
4.6 恶意应用检测系统的性能测试 | 第64-67页 |
4.6.1 测试目的 | 第64-65页 |
4.6.2 测试方法 | 第65页 |
4.6.3 测试结果与分析 | 第65-67页 |
第五章 总结与展望 | 第67-69页 |
5.1 本文研究内容与创新 | 第67页 |
5.2 未来工作展望 | 第67-69页 |
参考文献 | 第69-71页 |
致谢 | 第71页 |