| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-15页 |
| 1.1 论文研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容和创新 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 Android 平台 | 第15-23页 |
| 2.1 Android 平台架构简介 | 第15-16页 |
| 2.2 Android 系统安全机制分析 | 第16-20页 |
| 2.2.1 系统和内核层安全 | 第16-18页 |
| 2.2.2 Android 权限检查机制 | 第18页 |
| 2.2.3 Android 数字签名机制 | 第18-19页 |
| 2.2.4 Root 权限 | 第19-20页 |
| 2.3 针对 Android 主要攻击方式 | 第20-22页 |
| 2.3.1 特洛伊木马 | 第20-21页 |
| 2.3.2 应用程序级攻击 | 第21页 |
| 2.3.3 网络钓鱼攻击 | 第21页 |
| 2.3.4 物理攻击 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 相关理论模型 | 第23-44页 |
| 3.1 Hadoop 平台概述 | 第23-34页 |
| 3.1.1 分布式文件系统 HDFS | 第23-32页 |
| 3.1.2 MapReduce 工作原理 | 第32-34页 |
| 3.2 支持向量机 | 第34-41页 |
| 3.2.1 基本概念 | 第34-36页 |
| 3.2.2 线性支持向量机 | 第36-39页 |
| 3.2.3 非线性支持向量机 | 第39-41页 |
| 3.3 互信息 | 第41-43页 |
| 3.3.1 互信息定义 | 第41-42页 |
| 3.3.2 互信息的计算流程 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于混合特征的 Android 恶意检测的研究与实现 | 第44-56页 |
| 4.1 APK 文件简介 | 第44-45页 |
| 4.2 Android 应用的混合特征获取 | 第45-46页 |
| 4.3 Android 软件恶意检测方案实现 | 第46-52页 |
| 4.3.1 准备样本库 | 第46-47页 |
| 4.3.2 特征初步提取 | 第47-49页 |
| 4.3.3 特征选择 | 第49-50页 |
| 4.3.4 Android 软件恶意检测模型训练 | 第50-51页 |
| 4.3.5 实验评价标准 | 第51-52页 |
| 4.4 实验结果及分析 | 第52-55页 |
| 4.4.1 实验环境 | 第52页 |
| 4.4.2 实验仿真及数据分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 Hadoop 平台下 Android 软件恶意检测的研究 | 第56-65页 |
| 5.1 问题描述及方案设计 | 第56-57页 |
| 5.2 基于 Hadoop 的 Android 应用特征提取 | 第57-59页 |
| 5.3 基于 Hadoop 的并行 SVM 实现设计 | 第59-61页 |
| 5.3.1 数据划分 | 第59-60页 |
| 5.3.2 迭代停止条件 | 第60页 |
| 5.3.3 自定义 MapReduce | 第60-61页 |
| 5.4 基于 Hadoop 的 Android 软件恶意检测算法实现 | 第61-62页 |
| 5.5 实验结果与分析 | 第62-64页 |
| 5.5.1 实验环境介绍 | 第62页 |
| 5.5.2 单机和 Hadoop 下 Android 应用特征提取 | 第62-63页 |
| 5.5.3 单机和 Hadoop 下 Android 软件恶意检测对比 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 6 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |
