隨著智能手機行業(yè)的發(fā)展,人們在日常的工作學習生活中越來越離不開智能手機。Android系統(tǒng)作為流行度最高的智能手機系統(tǒng)之一,其安全性正受到越來越多惡意攻擊者和安全研究者的關注。根據(jù)Zhou、Sarma和Yerima等人各自的研究,超過93%的Android惡意軟件需要訪問網(wǎng)絡才能完成攻擊,使用網(wǎng)絡流量特征檢測Android惡意軟件具有可行性。近年來,該領域已有了較多研究,本文中分析了現(xiàn)有方案的不足,發(fā)現(xiàn)了兩類較為突出的問題。首先,目前Android惡意軟件流量檢測研究成果主要基于較早的公開數(shù)據(jù)集,如2012年的Android Malware Genome。根據(jù)Pendlebury等人的研究,Android惡意軟件的持續(xù)更新會導致檢測效率逐漸下降,因此我們需要采集最新的流量數(shù)據(jù)以驗證檢測效果。其次,目前的研究方案主要基于機器學習,存在特征選取困難、無法充分利用流量上下文信息以及識別準確率較低等問題。針對第一個問題,本文構造了一種Android軟件流量生成方案,實現(xiàn)從安裝到測試完成流程的自動化,并集成了流量降噪和去重功能。使得我們可以近實時地獲取最新的軟件流量以判定其惡意性。經(jīng)實驗驗證本文... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

Fiddler設置說明圖

Fiddler設置說明圖

【參考文獻】：
期刊論文
[1]一種混合的Android惡意應用檢測方法[J]. 姜海濤,郭雅娟,陳昊,徐建.  計算機應用研究. 2018(06)
[2]安卓惡意軟件檢測研究綜述[J]. 林佳萍,李暉.  信息網(wǎng)絡安全. 2016(10)
[3]基于最小距離分類器的Android惡意軟件檢測方案[J]. 何文才,閆翔宇,劉培鶴,劉暢.  計算機應用研究. 2017(07)
[4]基于改進樸素貝葉斯的Android惡意應用檢測技術[J]. 許艷萍,伍淳華,侯美佳,鄭康鋒,姚珊.  北京郵電大學學報. 2016(02)
[5]基于多級簽名匹配算法的Android惡意應用檢測[J]. 秦中元,王志遠,吳伏寶,吳穎真,游雁天,徐倩怡.  計算機應用研究. 2016(03)

碩士論文
[1]基于HTTP的安卓惡意應用通信機制及流量特征提取研究[D]. 王曉飛.湖南大學 2014



本文編號：3043330