隨著科技的迅猛發(fā)展和互聯(lián)網(wǎng)技術(shù)的不斷更新,智能手機(jī)的使用領(lǐng)域變得越發(fā)廣泛。以Android為操作系統(tǒng)的智能手機(jī)因低廉的價(jià)格和較好的使用體驗(yàn)受到了廣大用戶者的關(guān)注,然而Android平臺(tái)的開放性也變成了不少惡意軟件開發(fā)者的突破口。用戶下載含有惡意代碼的軟件,就可能存在隱私被盜取、莫名扣費(fèi)等危險(xiǎn)。因而,如何高效精準(zhǔn)的檢測出Android惡意軟件是當(dāng)前學(xué)術(shù)界的研究熱點(diǎn)。本文從多方面深入研究了Android系統(tǒng)架構(gòu)以及安全機(jī)制,在分析了國內(nèi)外的研究現(xiàn)狀的基礎(chǔ)上,主要取得了如下研究成果:（1）傳統(tǒng)的樸素貝葉斯分類算法將每個(gè)屬性設(shè)置相同的權(quán)重值使得該算法理論上具有較小的誤差率,但實(shí)際中每個(gè)權(quán)重值不應(yīng)相同。對(duì)此本文提出了對(duì)特征屬性增加權(quán)重系數(shù)的改進(jìn)方案,并基于該改進(jìn)算法設(shè)計(jì)了一種檢測Android惡意軟件檢測的模型。該模型將應(yīng)用程序申請(qǐng)的權(quán)限作為特征集并通過差異度的大小選取對(duì)分類結(jié)果影響較大的特征,采用改良的樸素貝葉斯算法進(jìn)行分類判定。實(shí)驗(yàn)表明該方案對(duì)惡意軟件檢測準(zhǔn)確率有明顯的提升。（2）由于不同的分類算法對(duì)每種類型的特征集的分類效果不同,本文提出了一種基于多算法融合決策的Android惡意軟件檢測... 

【文章來源】：暨南大學(xué)廣東省 211工程院校

【文章頁數(shù)】：47 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

017年中國手機(jī)安全狀況報(bào)告2017年5月，騰訊在其手機(jī)安全報(bào)告中指出2017年第一季度手機(jī)病毒類型以流氓行

017年第一季度手機(jī)病毒類型比例2017年9月27日，全球領(lǐng)先的新經(jīng)濟(jì)行業(yè)數(shù)據(jù)挖掘和分析機(jī)構(gòu)iiMediaResearch(艾媒

暨南大學(xué)碩士學(xué)位論文第二章 Android 平臺(tái)相關(guān)理論知識(shí)droid 系統(tǒng)架構(gòu)ndroid 系統(tǒng)是以 Linux 為內(nèi)核的操作系統(tǒng)，采用分層服務(wù)的架構(gòu)思想[18]。自 Linux 內(nèi)核層（Linux Kernel）、系統(tǒng)運(yùn)行庫層（Libraries 和 Android runtim框架層（Application Framework）以及應(yīng)用程序?qū)樱ˋpplication）共四層，如圖

【參考文獻(xiàn)】：
期刊論文
[1]Droid Detector:Android Malware Characterization and Detection Using Deep Learning[J]. Zhenlong Yuan,Yongqiang Lu,Yibo Xue.  Tsinghua Science and Technology. 2016(01)
[2]基于多級(jí)簽名匹配算法的Android惡意應(yīng)用檢測[J]. 秦中元,王志遠(yuǎn),吳伏寶,吳穎真,游雁天,徐倩怡.  計(jì)算機(jī)應(yīng)用研究. 2016(03)
[3]基于樸素貝葉斯的Android軟件惡意行為智能識(shí)別[J]. 張怡婷,張揚(yáng),張濤,楊明,羅軍舟.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[4]基于權(quán)限相關(guān)性的Android惡意軟件檢測[J]. 張銳,楊吉云.  計(jì)算機(jī)應(yīng)用. 2014(05)
[5]基于權(quán)限頻繁模式挖掘算法的Android惡意應(yīng)用檢測方法[J]. 楊歡,張玉清,胡予濮,劉奇旭.  通信學(xué)報(bào). 2013(S1)
[6]一種針對(duì)Android平臺(tái)惡意代碼的檢測方法及系統(tǒng)實(shí)現(xiàn)[J]. 胡文君,趙雙,陶敬,馬小博,陳亮.  西安交通大學(xué)學(xué)報(bào). 2013(10)

碩士論文
[1]Android惡意應(yīng)用的靜態(tài)檢測方法研究[D]. 劉新宇.暨南大學(xué) 2017
[2]基于KNN算法的Android應(yīng)用異常檢測技術(shù)研究[D]. 劉曉明.北京交通大學(xué) 2016
[3]Android應(yīng)用風(fēng)險(xiǎn)評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 魏娟.電子科技大學(xué) 2015
[4]基于Android及Java Web平臺(tái)的個(gè)人健康信息管理系統(tǒng)[D]. 張永瑞.西安電子科技大學(xué) 2014
[5]iPhone應(yīng)用移植到Android平臺(tái)的研究[D]. 宋雨明.浙江大學(xué) 2013



本文編號(hào)：3574669