| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 引言 | 第11-12页 |
| 1.2 BYOD简介 | 第12-16页 |
| 1.2.1 BYOD的定义 | 第12页 |
| 1.2.2 移动办公的发展史 | 第12-14页 |
| 1.2.3 BYOD的现状 | 第14-16页 |
| 1.3 BYOD的挑战 | 第16-20页 |
| 1.3.1 用户面临的挑战 | 第16-18页 |
| 1.3.2 企业面临的挑战 | 第18-19页 |
| 1.3.3 部署面临的挑战 | 第19-20页 |
| 1.4 本文主要研究工作 | 第20页 |
| 1.5 本文组织结构 | 第20-22页 |
| 第二章 BYOD的核心技术 | 第22-29页 |
| 2.1 BYOD的核心技术介绍 | 第22-25页 |
| 2.1.1 移动设备管理（MDM) | 第22-24页 |
| 2.1.2 移动应用管理（MAM) | 第24-25页 |
| 2.1.3 移动内容管理（MCM) | 第25页 |
| 2.2 BYOD解决方案 | 第25-27页 |
| 2.2.1 思杰XenMobile | 第26页 |
| 2.2.2 思可信Mobilelron | 第26-27页 |
| 2.2.3 DELL企业移动管理 | 第27页 |
| 2.2.4 华为MDM平台 | 第27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 人脸识别中的活体检测技术 | 第29-42页 |
| 3.1 人脸识别技术的研究背景 | 第29-30页 |
| 3.2 人脸识别研究的内容 | 第30-31页 |
| 3.3 人脸检测 | 第31-35页 |
| 3.3.1 Haar特征 | 第31-32页 |
| 3.3.2 积分图 | 第32-33页 |
| 3.3.3 基于Adaboost学习算法的人脸检测 | 第33-34页 |
| 3.3.4 基于OpenCV实现Adaboost算法的人脸检测 | 第34-35页 |
| 3.4 人脸识别中的活体检测 | 第35-39页 |
| 3.4.1 Face Local Graph Structure | 第36-38页 |
| 3.4.2 基于FLGS的活体检测算法流程 | 第38-39页 |
| 3.5 试验结果与分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于位置的异常使用检测技术 | 第42-53页 |
| 4.1 位置的定义 | 第42-44页 |
| 4.2 用户配置文件 | 第44-48页 |
| 4.2.1 建立用户配置文件 | 第44-46页 |
| 4.2.2 用户配置文件压缩 | 第46-48页 |
| 4.2.3 用户配置文件的更新 | 第48页 |
| 4.3 异常检测流程 | 第48-51页 |
| 4.4 试验结果与分析 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 对将来工作的展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
