基于行为特征值序列匹配的Android恶意应用检测系统

发布时间：2021-01-15 07:31

　　如今移动设备已经广泛地覆盖了人们的工作生活当中,智能手机是最普遍的移动设备,越来越多的人在智能手机中进行社交,购物,娱乐,工作等行为。不仅如此,由于网络监管越来越严格,很多智能手机上应用的账号注册需要实名制,因此移动设备中,存储了用户大量的个人隐私信息,这些移动设备上的隐私信息,成为了恶意病毒的重点攻击对象。由于Android系统是占有智能手机的绝大多数系统,因此各种Android应用大量地出现在Android应用市场中,而这些Android应用中,隐藏着各种恶意应用,这些恶意应用能够窃取用户隐私信息,限制用户正常使用设备,对使用者造成了极大的威胁。因此,对于Android系统上的恶意应用的检测的研究是如今网络安全研究的重要课题之一。本文通过分析现有Android恶意应用攻击方式,反检测方法。分析了现有的检测恶意应用的方法存在的不足以及可以改进的部分。结合了Android系统的系统机制,设计了一个基于行为特征值序列的检测方法,并实现基于此方法的系统。本文的主要研究成果如下:（1）设计了一种基于行为特征值序列匹配的恶意应用检测方法。该方法通过Hook敏感API的方式得到恶意应用样本的行为... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

Android系统架构

在前一章的算法设计思路下,本文设计出了一个用于Android检测的系统。该系统采用了C/S架构,如图3-1所示。本方案系统主要分为客户端与服务器2端。客户端是运行在Android系统的设备当中,用于收集Android应用的行为数据;而系统的服务器则是把客户端上传的数据进行分析,判断应用是否拥有恶意行为,并把结果反馈于客户端。从而显示可在客户端中显示检测结果。3.3.1系统检测流程

系统检测流程图

【参考文献】：
期刊论文
[1]基于Appium的Android应用自动化测试框架的研究[J]. 古锐,肖璞.  现代计算机(专业版). 2018(29)
[2]MonkeyRunner环境用例脚本化的Android软件测试模型[J]. 兰娅勋,李振坤.  科技通报. 2017(09)
[3]Android中基于MultiDex的热修补方案的研究[J]. 范润奇,郭兵.  现代计算机(专业版). 2016(34)
[4]Droid Detector:Android Malware Characterization and Detection Using Deep Learning[J]. Zhenlong Yuan,Yongqiang Lu,Yibo Xue.  Tsinghua Science and Technology. 2016(01)
[5]Android App Anti-repackage方法研究综述[J]. 吴家顺,高静.  科技展望. 2015(25)
[6]位置服务隐私保护研究综述[J]. 张学军,桂小林,伍忠东.  软件学报. 2015(09)
[7]安卓恶意软件的分析与检测[J]. 侯勤胜,曹天杰.  河南科技大学学报(自然科学版). 2015(05)
[8]带有空间上下文信息的细粒度Android安全强化机制的设计[J]. 任桂超,丁丽萍,贺也平.  计算机应用与软件. 2014(05)
[9]基于权限分析的Android隐私数据泄露动态检测方法[J]. 高岳,胡爱群.  信息网络安全. 2014(02)

博士论文
[1]协议漏洞挖掘及Android平台恶意应用检测技术研究[D]. 杨欢.西安电子科技大学 2014

硕士论文
[1]基于Android的移动互联网应用的研究和实现[D]. 焦文华.北京邮电大学 2013



本文编号：2978510