已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、有效的Android惡意應(yīng)用程序檢測方法對Android系統(tǒng)與應(yīng)用程序的安全非常重要。對于惡意應(yīng)用程序檢測方法，尤其是基于Android權(quán)限機制的檢測方法，研究人員進行了大量實驗并取得了非常多的成果。然而，現(xiàn)有的基于權(quán)限申請的檢測方法大多只是針對單一權(quán)限或單一惡意應(yīng)用程序進行分析，并沒有考慮不同應(yīng)用程序權(quán)限申請之間的關(guān)系，其準確度有待提高。
本文針對當前基于權(quán)限的檢測方法檢測率低下這一問題進行了探索與研究。與普通應(yīng)用不同，惡意
2、應(yīng)用往往需要申請多個敏感權(quán)限，因此業(yè)務(wù)邏輯相似的不同應(yīng)用程序權(quán)限申請的相似度極高。本文基于 Android的權(quán)限機制，以49個惡意家族共1260個惡意應(yīng)用為樣本，對每個惡意家族內(nèi)成員的權(quán)限申請行為進行了關(guān)聯(lián)性分析，提出并實現(xiàn)了以惡意家族的最大頻繁權(quán)限項集作為惡意特征的檢測方法。對于檢測方法中挖掘最大頻繁權(quán)限項集的問題，本文提出一種基于FP-Tree的挖掘算法PDMFIA，該算法采用自頂向下與自底向上的雙向搜索策略對候選項集從已有最大頻繁
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 最大頻繁項集挖掘算法的研究.pdf
- 最大頻繁項集挖掘算法及應(yīng)用研究.pdf
- 基于iceberg概念格的最大頻繁項集挖掘研究.pdf
- 基于AFOPT-tree的最大頻繁項集挖掘.pdf
- 基于FP-Tree的最大頻繁項集挖掘算法研究.pdf
- 基于單向FP-樹的最大頻繁項集挖掘.pdf
- 基于Dalvik指令特征的Android惡意應(yīng)用檢測方法研究.pdf
- 最大和最長頻繁項集增量更新研究.pdf
- 基于最大頻繁項集的搜索引擎查詢結(jié)果聚類方法.pdf
- 基于最大頻繁項集K-means的文本聚類算法研究及應(yīng)用.pdf
- 基于混合特征的Android惡意應(yīng)用檢測方法研究與實現(xiàn).pdf
- 基于文件訪問規(guī)則的Android惡意應(yīng)用動態(tài)檢測方法研究.pdf
- 基于特征功能的Android惡意應(yīng)用檢測研究.pdf
- 基于頻繁項集的文本聚類方法研究.pdf
- 數(shù)據(jù)流最大頻繁項集挖掘算法的研究.pdf
- 基于頻繁模式樹的最大頻繁項目集挖掘算法研究.pdf
- 基于權(quán)限的Android惡意軟件混合檢測方法研究.pdf
- 基于機器學(xué)習(xí)的Android惡意應(yīng)用檢測研究.pdf
評論
0/150
提交評論