面向大数据的虚假安卓APP分析与识别研究

发布时间：2020-04-08 08:00

【摘要】：随着智能手机的快速发展,其带来的安全问题也越来越严重。特别是由于目前市场上缺乏对安卓APP的有效检测手段,使得虚假的安卓APP越来越容易被用户下载和使用,这些虚假安卓APP会以非法的手段窃取智能手机用户的个人信息,给用户造成重大损失。为了解决虚假安卓APP给广大智能手机用户带来的安全性问题,本文的主要研究工作如下:针对日益泛滥的虚假安卓APP,本文设计并实现了虚假安卓APP分析与检测系统。首先,对于安卓应用程序,采用静态分析和动态分析相结合的方法提取出静态特征和动态特征,从而生成应用程序的特征向量;然后,基于深度学习中的深度信念网络算法和传统机器学习的三种分类算法设计了虚假安卓APP的分类模型,并通过收集到的样本数据对分类模型进行训练;最后,利用生成的分类模型对待测安卓应用程序进行分类检测与分析。系统采用多种分类模型对安卓应用程序的静态特征和动态特征进行检测,避免了单一的检测方法带来的代码覆盖率不足和误报率高的缺点。本文收集了25 000份安卓APP样本数据进行训练与测试分析,实验结果表明,面向大数据的虚假安卓APP分析与检测系统能够高效率、高准确率得对虚假安卓APP进行分类与检测。基于深度学习的APP分类算法对于虚假安卓APP的检测正确率达到了97.08%,比随机森林分类算法高出4.59%,比支持向量机分类算法高出16.45%,比K最近邻算法模型高出15.33%。
【图文】：

图 1-1 智能手机操作系统的市场份额Fig.1-1 Market share of smart phone operating system国内的智能手机操作系统上，Android 操作系统更是毫无疑问的占据着优势地截止到 2017 年 10 月，国内安卓操作系统份额已超过 8 成，达 82.30%，而苹OS 操作系统的市场份额也已经达到了 17.40%的市场份额，，留给其它操作系统存空间不到 1%[9]，如上图 1-1 所示。2 Android 平台的优势Android 操作系统之所以能取得如此迅速的发展，获得全球范围内的持续关注展，与 Android 操作系统本身的优势息息相关。与其他智能手机操作系统相主要优势有:(1) 开放性提起 Android 操作系统的优势，开放性毫无疑问是 Android 操作相比较于其他手机操作系统的首要优势。Android 操作系统从诞生之初就带着开放性的基因

上海交通大学硕士学位论文硬件上，进行系统移植时，只需实现这一部分硬件抽象的代码即可，包括声音，相机，全球定位系统，全球移动通信系统，显示器驱动等。(4) Linux 核心层Android 是运行于 Linux 内核之上。Linux 核心层在系统架构中有着十分重要的作用，是连接应用程序层与物理层之间的纽带，同时也起着分界线的作用，隔离开 Linux 系统内核和 Android 使用者[16]。如图 2-1 所示是 Android 系统的体系架构图，
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.56;TP309

【相似文献】

相关期刊论文 前10条

1 ;降低机器学习门槛的六大工具[J];电脑知识与技术(经验技巧);2019年10期

2 胡思润;杨晓旭;宋靖华;;基于机器学习的城市生成方法研究[J];智能建筑与智慧城市;2019年11期

3 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期

4 舒娜;刘波;林伟伟;李鹏飞;;分布式机器学习平台与算法综述[J];计算机科学;2019年03期

5 刘传会;汪小亚;郭增辉;;机器学习在反洗钱领域的应用与发展[J];清华金融评论;2019年04期

6 孟雨;;机器学习让计算机更智能[J];计算机与网络;2019年14期

7 高华川;;机器学习在经济学中的应用[J];纳税;2019年24期

8 李阳;;机器学习在网络空间安全研究中的应用分析[J];电脑知识与技术;2019年24期

9 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

10 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期

相关会议论文 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年

4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 ;基于机器学习的大数据防诈骗能力研究与应用[A];2018中国信息通信大会论文摘要集[C];2018年

10 ;基于机器学习的影响感知无线根因问题快速定位研究[A];2018中国信息通信大会论文摘要集[C];2018年

相关重要报纸文章 前10条

1 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年

2 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年

3 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年

4 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年

5 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循？[N];计算机世界;2019年

6 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花？[N];科技日报;2019年

7 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年

8 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年

9 记者 张梦然;全新算法助机器学习抵抗干扰[N];科技日报;2019年

10 惠赞瑾;《科学向左，科幻向右》：机器学习即将成为现实[N];中国会计报;2019年

相关博士学位论文 前10条

1 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年

2 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年

3 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年

4 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年

5 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年

6 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年

7 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

8 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年

9 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年

10 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年

相关硕士学位论文 前10条

1 孟圣然;基于机器学习的机械产品结构建模技术研究[D];杭州电子科技大学;2019年

2 华琪;基于机器学习的智能建筑行为建模与预测方法研究[D];上海交通大学;2017年

3 杨浩;基于机器学习的白带菌类光学图像识别算法研究[D];电子科技大学;2019年

4 王维;心音诊断信息自动识别方法研究[D];电子科技大学;2019年

5 徐安;基于机器学习的慢性疾病预测关键技术研究[D];电子科技大学;2019年

6 宋同峰;基于机器学习的肾病辅助诊断系统的研究[D];青岛科技大学;2019年

7 王婧;基于核机器学习的阿尔兹海默病早期诊断算法研究[D];曲阜师范大学;2019年

8 马小凤;机器学习在学生通过率预测中的应用研究[D];西南大学;2019年

9 黄雨迪;基于机器学习的MIMO系统收发机设计理论与方法[D];电子科技大学;2019年

10 应豪;基于机器学习的光纤信道均衡技术研究[D];电子科技大学;2019年

本文编号：2619101