Android應用商店作為下載Android應用程序的用戶最受歡迎渠道之一,亟需采用有效的Android應用程序檢測技術來組織管理龐大的應用,為用戶提供安全、便捷的應用下載環(huán)境。其中,采用惡意應用程序檢測技術,可有效防止惡意應用對用戶的潛在危害。以往采用靜態(tài)檢測技術的研究中,都未全面考慮靜態(tài)代碼調用的上下文信息,無法檢測到具有高雜性和隱匿性惡意行為的惡意應用。此外,為方便管理應用程序,以便用戶能方便快捷地下載滿足其所需功能的應用,應用商店也需提供應用功能類別檢測技術,即應用程序功能分類技術�，F有的應用功能分類技術是人工分類技術和粗粒度自動化分類技術,二者均無法高效準確地處理海量應用。基于以上情況,本文提出并實現了一種基于靜態(tài)代碼分析的Android應用程序檢測技術,通過采用靜態(tài)代碼分析技術提取應用程序的靜態(tài)特征信息,并采用多種機器學習模型,分別實現了惡意應用程序檢測技術、應用程序功能分類技術,為應用商店提供了一種高效準確的應用程序自動化管理技術。具體包含以下研究內容:(1)提出了一種基于靜態(tài)代碼調用上下文信息分析的Android惡意應用檢測方法。該方法采用靜態(tài)代碼分析技術,提取API調...

【文章頁數】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
        1.1.1 Android惡意應用程序檢測技術
        1.1.2 Android應用程序功能分類技術
    1.2 關鍵技術概述
        1.2.1 Android惡意應用程序檢測技術
        1.2.2 Android應用程序功能分類技術
    1.3 論文的創(chuàng)新點
    1.4 論文結構和安排
第二章 基于靜態(tài)代碼調用上下文信息分析的Android惡意應用程序檢測技術
    2.1 惡意應用程序檢測技術的需求分析及設計目標
    2.2 惡意應用檢測技術研究與系統設計實現
        2.2.1 數據采集模塊
        2.2.2 特征提取模塊
        2.2.3 數據預處理模塊
        2.2.4 機器學習分類器模塊
    2.3 實驗與結果分析
        2.3.1 實驗流程
        2.3.2 實驗環(huán)境與實驗參數
        2.3.3 數據集選擇
        2.3.4 特征初步篩選分析
        2.3.5 不同特征組合對比
        2.3.6 過采樣算法對比
        2.3.7 特征再次篩選分析
    2.4 本章小結
第三章 基于靜態(tài)代碼細粒度調用信息分析的Android應用程序功能分類技術
    3.1 應用程序功能分類技術的需求分析及設計目標
    3.2 應用功能分類技術研究與系統設計實現
        3.2.1 數據采集模塊
        3.2.2 特征提取模塊
        3.2.3 特征選擇模塊
        3.2.4 機器學習分類器模塊
    3.3 實驗與結果分析
        3.3.1 實驗流程
        3.3.2 實驗環(huán)境與實驗參數
        3.3.3 數據集選擇
        3.3.4 單特征與混合特征對比
        3.3.5 粗粒度與細粒度方法對比
        3.3.6 特征選擇方法對比
        3.3.7 機器學習方法對比
        3.3.8 應用類別分類效果對比
    3.4 本章小結
第四章 總結與展望
    4.1 論文研究工作總結
    4.2 未來工作展望
參考文獻
致謝
作者攻讀學位期間發(fā)表的學術論文目錄



本文編號：3817094