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

基于网络访问数据的移动APP使用模式研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景第10-12页
    1.2 课题来源及创新点第12-14页
    1.3 本文主要内容与章节结构第14-15页
    1.4 本章小结第15-16页
第二章 Wireshark提取移动流量第16-24页
    2.1 Wireshark简介第16页
    2.2 Wireshark使用第16-21页
        2.2.1 网络适配器选择第16-17页
        2.2.2 捕获过滤器第17-18页
        2.2.3 显示过滤器第18-21页
        2.2.4 封包列表第21页
    2.3 移动流量获取第21-23页
        2.3.1 获取途径介绍第21-23页
        2.3.2 获取途径选择第23页
    2.4 数据包有效性的分析第23页
    2.5 本章小结第23-24页
第三章 移动APP使用模式分析第24-42页
    3.1 不同类别移动APP的选择第24-25页
    3.2 移动APP的流量特征选择第25-38页
        3.2.1 流量特征的选择思路第25-27页
        3.2.2 移动APP流量中的HTTP协议研究第27-30页
        3.2.3 移动APP下载动作特征提取分析第30-33页
        3.2.4 移动APP使用动作特征提取分析第33-38页
    3.3 流量规则文件的生成与后续使用第38-41页
    3.4 本章小结第41-42页
第四章 移动APP下载操作自动化第42-58页
    4.1 自动化下载移动APP的实现思路第42页
    4.2 自动化下载移动APP的实现方案第42-47页
        4.2.1 下载动作模拟思路第42页
        4.2.2 自动化测试框架选择第42-44页
        4.2.3 自动化测试框架Robotium简介第44-45页
        4.2.4 adb shell简介第45-47页
    4.3 基于Robotium实现移动APP自动化下载第47-55页
        4.3.1 自动化下载流程设计第47-49页
        4.3.2 应用商店安装包重签名第49-50页
        4.3.3 控件定位方式第50-53页
        4.3.4 待下载移动APP的存在判断第53-55页
    4.4 运行结果及分析第55-57页
        4.4.1 控制台输出信息分析第55-56页
        4.4.2 Robotium程序生成的APK安装第56页
        4.4.3 下载的移动APP安装第56-57页
        4.4.4 Android模拟器运行效果第57页
    4.5 本章小结第57-58页
第五章 移动APP下载流量抓取及流量规则提取自动化第58-68页
    5.1 自动化抓取移动APP下载流量的实现思路第58-59页
    5.2 自动化抓取移动APP下载流量的实现方案第59-61页
        5.2.1 下载流量抓取思路第59页
        5.2.2 抓包工具选择第59-60页
        5.2.3 Tcpdump简介第60-61页
    5.3 软件实现移动APP下载流量自动化抓取第61-63页
        5.3.1 自动化抓取下载流量流程设计第61-62页
        5.3.2 命令行运行Robotium程序第62-63页
        5.3.3 待下载移动APP的安装及卸载第63页
        5.3.4 移动APP下载流量自动化抓取实现第63页
    5.4 流量规则特征的自动化提取第63-65页
        5.4.1 自动化提取流量规则的实现思路第63-64页
        5.4.2 软件实现自动化提取流量规则第64-65页
    5.5 运行结果及分析第65-67页
        5.5.1 控制台输出信息分析第65-66页
        5.5.2 Android模拟器运行效果第66页
        5.5.3 问题及调试方法第66-67页
    5.6 本章小结第67-68页
第六章 总结及展望第68-70页
    6.1 本文总结第68-69页
    6.2 展望未来第69-70页
参考文献第70-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:基于网络数据的汽车用户行为和倾向性研究
下一篇:基于电信DPI数据的电商用户行为分析