智能终端软件安全性与可信性分析研究

发布时间：2023-04-09 18:38

　　随着信息科技的发展,智能终端已成为人们生活中不可或缺的部分。目前,Android智能终端占据了绝大部分市场,由于其平台的免费性及开源性特点,催生了许多应用软件,以满足人们的各种需求;与此同时,受利益驱动,也吸引了许多非法牟利的软件开发者。近年来,针对Android软件的安全事件不断上升,包括恶意吸费、隐私盗用、捆绑下载等,随着软件的需求和应用急速增加,如何确保智能终端用户的信息安全,是当今面临的挑战。基于上述情况,本文从Android智能终端软件的安全性和可信性两个方面出发。在安全性方面,由于恶意软件已成为其生态系统的主要威胁,研究如何检测恶意软件以促使用户进行有效识别;在可信性方面,针对未知应用软件,其软件可信性问题愈发突出,研究对其进行可信性评估,以保障其安全的运行,主要内容如下:1.针对应用软件安全性问题,提出一种融合频繁项集与机器学习的Android恶意应用检测方法。该方法首先从各应用中提取出多种静态特征,同时分析了良性软件和恶意软件之间的差异以此作为特征指标;然后,设计了基于Apriori算法挖掘权限的频繁项集,结合敏感应用程序接口(Application Programmi...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 软件安全性研究现状
        1.2.2 软件可信性研究现状
    1.3 研究内容
    1.4 论文结构安排
第2章 相关理论
    2.1 Android系统基础理论
    2.2 Android软件安全性检测技术
        2.2.1 静态分析
        2.2.2 动态分析
    2.3 机器学习算法介绍
    2.4 软件可信性
        2.4.1 可信计算
        2.4.2 软件可信性评估
    2.5 本章小结
第3章 融合频繁项集与机器学习的Android恶意应用检测方法
    3.1 概述
    3.2 检测模型设计
    3.3 特征提取
        3.3.1 特征指标建立
        3.3.2 特征提取形式化
    3.4 基于Apriori算法挖掘频繁项集特征处理
        3.4.1 频繁项集挖掘流程
        3.4.2 特征处理
        3.4.3 特征向量生成
        3.4.4 机器学习分类
    3.5 实验与分析
        3.5.1 实验准备
        3.5.2 Apriori算法实现
        3.5.3 检测与结果
    3.6 本章小结
第4章 基于SVM和改进证据理论的Android应用软件可信性评估方法
    4.1 概述
    4.2 软件可信性评估模型
        4.2.1 可信性评估模型
        4.2.2 软件可信性属性度量
        4.2.3 机器学习训练
    4.3 利用改进证据理论对Android软件可信性进行评估
        4.3.1 D-S证据理论
        4.3.2 基于熵权法的证据权重自适应调整
        4.3.3 基于SVM和改进证据理论的Android应用软件可信性评估
    4.4 实验仿真及分析
        4.4.1 实验准备
        4.4.2 软件可信性评估结果
        4.4.3 改进证据理论与其它文献对比
        4.4.4 与软件可信性方面文献对比
    4.5 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3787533