手機作為智能設備已經(jīng)成為人們日常生活中必不可少的一部分,手機應用(APP)為我們提供了豐富多彩的服務。這些不同的服務為用戶打開了一個全新的世界,同時也生成大量數(shù)據(jù),其中包含很多用戶敏感信息。因此,如何保障手機安全對用戶而言意義重大。安卓操作系統(tǒng)隨著智能設備普及而得到快速的發(fā)展,由于其開源的優(yōu)勢和成熟的技術,目前在手機操作系統(tǒng)市場份額占據(jù)了85%的份額。安卓系統(tǒng)不僅是手機和平板電腦的主流平臺,還在物聯(lián)網(wǎng)領域有著廣泛的應用。因此,如何保護安卓系統(tǒng)免受惡意軟件的攻擊顯得至關重要�；诎沧繍阂廛浖䴔z測技術又分為動態(tài)檢測技術和靜態(tài)檢測技術。本文側重研究靜態(tài)檢測技術,提出了三種基于機器學習、深度學習的安卓惡意軟件靜態(tài)檢測方法,主要工作如下:(1)通過對現(xiàn)有安卓惡意軟件靜態(tài)檢測算法進行分析和研究,針對安卓惡意軟件權限泛濫申請這一問題,提出一種基于集成學習與信息增益的安卓惡意軟件檢測方法。該方法通過選取權限、API特征,彌補了單個特征無法準確反映良性和惡意軟件之間差別的缺陷�？紤]到某些特征并不能真實表明惡意和良性軟件之間的差距,因此通過信息熵的篩選,計算特征的信息增益值,把良性和惡意的APP中具有代表...

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題背景和意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文主要內容
    1.4 論文章節(jié)安排
第二章 安卓安全機制與惡意軟件檢測技術的研究
    2.1 安卓安全機制
        2.1.1 Android系統(tǒng)架構
        2.1.2 Android安全機制
        2.1.3 SE Android
        2.1.4 Android應用安全解決方案
    2.2 惡意軟件檢測技術
        2.2.1 靜態(tài)檢測技術概述
        2.2.2 靜態(tài)檢測技術關鍵特征
        2.2.3 動態(tài)檢測技術概述
        2.2.4 動靜態(tài)混合檢測技術概述
    2.3 惡意軟件檢測技術的選擇
    2.4 本章小結
第三章 基于信息增益與集成學習的安卓惡意軟件檢測方法
    3.1 基于信息增益與集成學習的安卓惡意軟件檢測算法設計
        3.1.1 模型設計
        3.1.2 特征獲取
        3.1.3 特征選擇與分類算法
    3.2 實驗與結果分析
        3.2.1 實驗環(huán)境
        3.2.2 實驗過程
        3.2.3 結果分析
    3.3 本章小結
第四章 基于卷積神經(jīng)網(wǎng)絡的安卓惡意軟件檢測方法
    4.1 深度學習在檢測方面的技術發(fā)展
    4.2 基于卷積神經(jīng)網(wǎng)絡的檢測方法與背景
        4.2.1 特征提取
        4.2.2 基于卷積神經(jīng)網(wǎng)絡的檢測方法
        4.2.3 反向傳播
    4.3 實驗結果與分析
        4.3.1 與N-gram檢測效率的比較
        4.3.2 學習曲線
        4.3.3 實驗結果對比
    4.4 本章小結
第五章 基于長短時記憶的安卓惡意軟件檢測方法
    5.1 基于長短時記憶的安卓惡意軟件檢測算法設計
        5.1.1 模型設計
        5.1.2 靜態(tài)特征選擇
        5.1.3 長短時記憶算法
        5.1.4 前向反饋
        5.1.5 反向傳播
    5.2 實驗過程與分析
        5.2.1 向量轉換
        5.2.2 軟硬件準備
        5.2.3 參數(shù)選擇
        5.2.4 實驗結果分析
    5.3 本章小結
第六章 總結與展望
    6.1 本文總結
    6.2 未來展望
參考文獻
發(fā)表論文和科研情況說明
致謝



本文編號：3874683