在Android系統(tǒng)安全問題中,Android應(yīng)用的權(quán)限調(diào)用合理性是一個不確定性問題,某些權(quán)限是否逾越了應(yīng)用本身的功能范圍,一些隱私權(quán)限是否會造成用戶隱私泄露。從單個應(yīng)用的角度很難確定應(yīng)用所申請權(quán)限的合理性。同時,在Android安全問題中,應(yīng)用的惡意性和其申請的權(quán)限密切相關(guān)。應(yīng)用程序所申請的權(quán)限是進(jìn)行安全性評估和檢測的重要對象。相似用途的應(yīng)用具有相似的功能,從而形成相似的權(quán)限需求。相比于個體層面的獨立性,種群中的應(yīng)用是具有關(guān)聯(lián)性的。本文從種群視角展開研究,克服個體角度難以判斷Android應(yīng)用權(quán)限調(diào)用合理性問題。借鑒生物學(xué)中種群的概念,本文提出了一種面向種群的適用于大規(guī)模Android應(yīng)用評估和惡意應(yīng)用檢測的方法。主要工作如下:(1)面向種群的Android應(yīng)用隱私泄露風(fēng)險評估�，F(xiàn)有的Android應(yīng)用評估方法,主要考慮評估的準(zhǔn)確率而忽視了評估的效率,并且現(xiàn)存方法大多是將不同功能類型的應(yīng)用混合在一起構(gòu)建數(shù)據(jù)集,沒有很好的考慮應(yīng)用功能之間的差異。針對現(xiàn)存問題,提出了一種種群角度的Android應(yīng)用隱私泄露風(fēng)險評估方法,可以同時為大規(guī)模應(yīng)用提供評估服務(wù)。通過群體特征分析和種群聚類,進(jìn)行高...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 論文研究內(nèi)容
    1.3 論文組織結(jié)構(gòu)
第2章 Android風(fēng)險評估和惡意應(yīng)用檢測研究現(xiàn)狀
    2.1 Android權(quán)限系統(tǒng)
        2.1.1 Android權(quán)限機(jī)制概述
        2.1.2 Android自身權(quán)限機(jī)制的缺陷
    2.2 Android安全評估和惡意應(yīng)用檢測相關(guān)工作
        2.2.1 靜態(tài)檢測技術(shù)
        2.2.2 動態(tài)檢測技術(shù)
        2.2.3 基于機(jī)器學(xué)習(xí)算法的評估和檢測
    2.3 本章小結(jié)
第3章 面向種群的安卓應(yīng)用風(fēng)險評估和惡意檢測
    3.1 面向種群的Android應(yīng)用特征分析和隱私泄露風(fēng)險評估
    3.2 基于集成學(xué)習(xí)的Android種群惡意應(yīng)用檢測
    3.3 面向種群的數(shù)據(jù)集構(gòu)建
        3.3.1 數(shù)據(jù)捕獲工具
        3.3.2 種群和權(quán)限特征定義
    3.4 本章小結(jié)
第4章 面向種群的Android應(yīng)用隱私泄露風(fēng)險評估
    4.1 面向種群的Android風(fēng)險評估模型
        4.1.1 種群風(fēng)險評估模型框架
        4.1.2 基于聚類的種群風(fēng)險評估算法
    4.2 面向種群的靜態(tài)風(fēng)險評估方法
        4.2.1 種群隱私權(quán)限靜態(tài)評估
        4.2.2 種群隱私權(quán)限特征組合分析
    4.3 面向種群的Android權(quán)限聚類和特征挖掘
        4.3.1 基于 K-means 的種群安全風(fēng)險評估實驗
        4.3.2 基于聚類的種群隱私權(quán)限特征分析
    4.4 本章小結(jié)
第5章 基于集成學(xué)習(xí)的Android種群惡意應(yīng)用檢測
    5.1 基于AdMixture的種群惡意應(yīng)用檢測
        5.1.1 基于AdMixture的種群惡意應(yīng)用檢測框架
        5.1.2 基于Bagging的 SVM算法
        5.1.3 改進(jìn)的樸素貝葉斯算法
    5.2 特征預(yù)處理
        5.2.1 卡方檢驗
        5.2.2 IG信息增益算法
    5.3 實驗設(shè)計和評價
        5.3.1 實驗環(huán)境和數(shù)據(jù)
        5.3.2 評價指標(biāo)
    5.4 基于AdMixture的惡意應(yīng)用檢測實驗
        5.4.1 AdMixture模型構(gòu)建實驗
        5.4.2 劃分種群的惡意應(yīng)用檢測對比實驗
        5.4.3 特征篩選實驗和結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項目
詳細(xì)摘要



本文編號：3919420