基于混合特征的Android惡意應用檢測方法研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、智能手機在近十年中迅速發(fā)展,為人們工作和生活等多方面帶來了巨大的積極變化。與此同時,惡意軟件在智能手機中的危害也越來越大。惡意扣費、竊取隱私、破壞手機系統(tǒng)等惡意攻擊給智能手機用戶帶來了巨大的損失。與Apple公司的IOS系統(tǒng)相比,開源的Android手機系統(tǒng)更容易被惡意應用攻擊。Android系統(tǒng)在智能手機市場上有著數(shù)以億計的用戶,因此開展Android平臺的惡意應用檢測研究有著重要的實際意義。
  本文研究了Android平臺的

2、安全體系及其惡意軟件的實現(xiàn)原理,介紹了目前常用的檢測方法,分別研究了對靜態(tài)特征和動態(tài)特征的提取技術,并結(jié)合兩種方法來檢測惡意應用。研究了數(shù)據(jù)挖掘中分類的基本方法和提升方法,并使用數(shù)據(jù)挖掘的方法建立惡意應用分類器,實現(xiàn)了對未知應用的安全性檢測。
  在靜態(tài)檢測方面,本文研究了基于應用權限的靜態(tài)檢測方法?利用提取到的APK文件權限特征構(gòu)成應用靜態(tài)特征庫,采用4種分類算法進行了實驗,得到了較高的分類準確率和較低的誤報率。
  在動

3、態(tài)檢測方面,研究了Android系統(tǒng)中Zygote(受精卵)進程的特點,提出了一種獲取動態(tài)特征的方法:對Zygote進程進行函數(shù)調(diào)用劫持,從而獲取應用對系統(tǒng)函數(shù)的調(diào)用,并將函數(shù)調(diào)用作為動態(tài)特征。本文使用動態(tài)特征進行了惡意應用檢測實驗,實驗結(jié)果證明了該方法的有效性。
  在Android動態(tài)特征提取的過程中,會產(chǎn)生一定量的噪聲數(shù)據(jù),影響了分類的準確率。為了提高對惡意應用檢測的準確率,本文提出了一種改進的AdaBoost提升算法,該算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論