Android操作系統(tǒng)是一種基于Linux的智能移動設(shè)備操作系統(tǒng),具有完全的開源性,市場占有率高,加之Android應(yīng)用市場復雜多樣,近些年來Android惡意軟件的數(shù)量快速增長。并且由于混淆技術(shù)在惡意軟件中的廣泛使用,傳統(tǒng)的檢測方法對于混淆惡意軟件的檢測效果不佳。本文提出了一種基于深度學習的Android惡意軟件檢測模型,通過自動化提取Android應(yīng)用軟件的特征,使用深度學習模型對Android惡意軟件進行檢測,提高了Android惡意軟件檢測的準確率。本文的主要工作如下:(1)構(gòu)建了抗混淆能力強的Android應(yīng)用軟件特征集。本文研究了Android系統(tǒng)的安全框架、傳統(tǒng)惡意軟件檢測技術(shù)和惡意軟件常用的混淆技術(shù),發(fā)現(xiàn)傳統(tǒng)靜態(tài)特征集的抗混淆能力弱,因此在傳統(tǒng)靜態(tài)特征集的基礎(chǔ)之上,增加新的抗混淆能力強的靜態(tài)特征,并提取應(yīng)用軟件運行時的動態(tài)特征,作為靜態(tài)特征集的補充,全方位豐富了Android應(yīng)用軟件特征集。(2)提出了基于深度置信網(wǎng)絡(luò)和門控循環(huán)單元混合的深度學習模型。本文分析了深度學習算法用于Android惡意軟件的可行性,并針對靜態(tài)特征和動態(tài)特征的不同特性,采用深度置信網(wǎng)絡(luò)和門控循環(huán)單...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

圖1-22012-2016年Android智能平臺新增惡意軟件家族數(shù)

，手機上網(wǎng)比例持續(xù)提升，現(xiàn)已達到９６．３％。在我國手機已經(jīng)成為人們?nèi)粘Ｉ畹??必備品，而Ａｎｄｒｏｉｄ系統(tǒng)作為智能手機市場中占有率最高的操作系統(tǒng)，也被各種??不法分子緊盯。??自從２０１０年８月卡巴斯基首次發(fā)現(xiàn)Ａｎｄｒｏｉｄ平臺短信特洛伊木馬程序以來，??Ａｎｄｒｏｉｄ平臺的惡....

圖1-3Android平臺新增惡意程序類型分布

由于惡意行為難以發(fā)現(xiàn)，Ａｎｄｒｏｉｄ惡意軟件可能在三個月內(nèi)被忽視［６］。由于??大多數(shù)反病毒檢測能力依賴于更新的惡意軟件簽名庫的存在，因此一旦遇到新的??惡意軟件傳播，用戶就處于危險之中。反病毒供應(yīng)商的響應(yīng)時間一般在幾個小時??到幾十小時不等，而從識別惡意軟件，生成簽名，再到更新....

圖２－４深度信念網(wǎng)絡(luò)??ＤＢＮ在訓練模型的過程中主要分為兩步

深度信念網(wǎng)絡(luò)ＤＢＮ。ＤＢＮ模型是一個概率生成模型，與傳統(tǒng)的判別模型的神經(jīng)??網(wǎng)絡(luò)相對，用于建立一個觀察數(shù)據(jù)和標簽之間的聯(lián)合分布。經(jīng)典的ＤＢＮ網(wǎng)絡(luò)結(jié)??構(gòu)是由若干層ＲＢＭ和一層ＢＰ組成的一種深層神經(jīng)網(wǎng)絡(luò)，如圖２－４所示。??〇〇）????＿?ＤＯ）??Ｃ〇ＱＣＸ３ＱＱ＞－?（〇〇〇....

圖6一1季統(tǒng)主界面

?北京郵電大學工程碩士學位論文???６．２基本功能測試??基本功能測試的目標是對測試系統(tǒng)的功能完備性檢測和用戶交互檢測。在本??測試中，在服務(wù)器終端輸入ｐｙｔｈｏｎ?ｍａｎａｇｅ．ｐｙ?ｒｕｎｓｅｒｖｅｒ?８０００，即可進入系統(tǒng)首頁，??如圖６－１所示，在該界面直接點擊“上傳”，....

本文編號：4015696