| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的结构 | 第15-17页 |
| 第2章 Android安全机制分析及检测技术 | 第17-31页 |
| 2.1 Android整体平台分析 | 第17-20页 |
| 2.1.1 Android系统结构 | 第17-18页 |
| 2.1.2 Android应用组件 | 第18-20页 |
| 2.2 Android安全分析 | 第20-23页 |
| 2.3 Android系统恶意代码分类及攻击方式 | 第23-24页 |
| 2.3.1 恶意代码分类 | 第23-24页 |
| 2.3.2 恶意代码攻击方式 | 第24页 |
| 2.4 移动支付面临的安全威胁 | 第24-26页 |
| 2.5 恶意软件检测技术 | 第26-28页 |
| 2.5.1 静态检测技术 | 第26-27页 |
| 2.5.2 动态检测技术 | 第27-28页 |
| 2.6 特征选择方法 | 第28-29页 |
| 2.6.1 基于卡方特征选择 | 第28页 |
| 2.6.2 信息增益特征选择方法 | 第28-29页 |
| 2.7 分类算法 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 使用混合输入生成的M-D-H动态分析 | 第31-44页 |
| 3.1 M-D-H动态分析方法的提出 | 第31-33页 |
| 3.1.1 随机输入生成方法 | 第31-32页 |
| 3.1.2 基于状态的输入生成方法 | 第32-33页 |
| 3.2 M-D-H动态分析方法的思想和流程 | 第33-35页 |
| 3.3 动态分析方法的实验与分析 | 第35-43页 |
| 3.3.1 M-D-H与随机输入生成方法对比 | 第36-37页 |
| 3.3.2 M-D-H与基于状态的输入生成方法对比 | 第37-38页 |
| 3.3.3 随机输入生成方法与状态输入生成方法对比 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 移动支付恶意行为检测模型 | 第44-54页 |
| 4.1 移动支付恶意行为检测模型结构设计 | 第44-45页 |
| 4.2 样本库创建 | 第45页 |
| 4.3 构建恶意特征库 | 第45-53页 |
| 4.3.1 API动态调用特征分析 | 第45-48页 |
| 4.3.2 基于高阶Markov降阶模型的特征抽取 | 第48-50页 |
| 4.3.3 基于改进的高阶马尔可夫降阶模型特征选择 | 第50-52页 |
| 4.3.4 结合移动支付欺诈相关API的特征获取 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 实验验证与结果分析 | 第54-65页 |
| 5.1 实验环境与方法 | 第54-55页 |
| 5.1.1 软硬件环境 | 第54页 |
| 5.1.2 实验样本采集 | 第54-55页 |
| 5.1.3 实验方法与评估标准 | 第55页 |
| 5.2 实验结果与分析 | 第55-62页 |
| 5.3 本章小结 | 第62-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
