基于静态代码分析的Android应用程序检测技术研究

发布时间：2023-05-14 03:29

　　Android应用商店作为下载Android应用程序的用户最受欢迎渠道之一,亟需采用有效的Android应用程序检测技术来组织管理庞大的应用,为用户提供安全、便捷的应用下载环境。其中,采用恶意应用程序检测技术,可有效防止恶意应用对用户的潜在危害。以往采用静态检测技术的研究中,都未全面考虑静态代码调用的上下文信息,无法检测到具有高杂性和隐匿性恶意行为的恶意应用。此外,为方便管理应用程序,以便用户能方便快捷地下载满足其所需功能的应用,应用商店也需提供应用功能类别检测技术,即应用程序功能分类技术。现有的应用功能分类技术是人工分类技术和粗粒度自动化分类技术,二者均无法高效准确地处理海量应用。基于以上情况,本文提出并实现了一种基于静态代码分析的Android应用程序检测技术,通过采用静态代码分析技术提取应用程序的静态特征信息,并采用多种机器学习模型,分别实现了恶意应用程序检测技术、应用程序功能分类技术,为应用商店提供了一种高效准确的应用程序自动化管理技术。具体包含以下研究内容:(1)提出了一种基于静态代码调用上下文信息分析的Android恶意应用检测方法。该方法采用静态代码分析技术,提取API调...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
        1.1.1 Android恶意应用程序检测技术
        1.1.2 Android应用程序功能分类技术
    1.2 关键技术概述
        1.2.1 Android恶意应用程序检测技术
        1.2.2 Android应用程序功能分类技术
    1.3 论文的创新点
    1.4 论文结构和安排
第二章 基于静态代码调用上下文信息分析的Android恶意应用程序检测技术
    2.1 恶意应用程序检测技术的需求分析及设计目标
    2.2 恶意应用检测技术研究与系统设计实现
        2.2.1 数据采集模块
        2.2.2 特征提取模块
        2.2.3 数据预处理模块
        2.2.4 机器学习分类器模块
    2.3 实验与结果分析
        2.3.1 实验流程
        2.3.2 实验环境与实验参数
        2.3.3 数据集选择
        2.3.4 特征初步筛选分析
        2.3.5 不同特征组合对比
        2.3.6 过采样算法对比
        2.3.7 特征再次筛选分析
    2.4 本章小结
第三章 基于静态代码细粒度调用信息分析的Android应用程序功能分类技术
    3.1 应用程序功能分类技术的需求分析及设计目标
    3.2 应用功能分类技术研究与系统设计实现
        3.2.1 数据采集模块
        3.2.2 特征提取模块
        3.2.3 特征选择模块
        3.2.4 机器学习分类器模块
    3.3 实验与结果分析
        3.3.1 实验流程
        3.3.2 实验环境与实验参数
        3.3.3 数据集选择
        3.3.4 单特征与混合特征对比
        3.3.5 粗粒度与细粒度方法对比
        3.3.6 特征选择方法对比
        3.3.7 机器学习方法对比
        3.3.8 应用类别分类效果对比
    3.4 本章小结
第四章 总结与展望
    4.1 论文研究工作总结
    4.2 未来工作展望
参考文献
致谢
作者攻读学位期间发表的学术论文目录



本文编号：3817094