声明
致谢
1绪论
1.1研究背景
1.2 国内外研究现状
1.2.1传统Android恶意样本防护技术发展
1.2.2Android恶意软件家族相关研究
1.2.3机器学习在恶意软件分析领域相关研究
1.3本文主要研究内容
1.4本文组织结构
2相关理论
2.1Android恶意家族判别相关概念
2.1.1Android系统及其安全机制
2.1.2Android应用软件
2.1.3Android恶意应用特性及家族特性
2.2二进制文件可视化相关知识
2.2.2文件可视化
2.3 深度学习
2.3.1深度学习概念
2.3.2人工神经网络
2.3.3卷积神经网络
2.3.4残差网络结构
2.4本章小结
3Android应用可视化方案研究
3.1.2Android应用信息熵可视化
3.1.3Android应用图像增强伪色彩化
3.1.4Android应用三通道RGB可视化
3.2可视化结果对比分析
3.2.1相同家族对比分析
3.2.2不同家族对比分析
3.2.3不同可视化方案对比分析
3.3Android应用特征可视化
3.4本章小结
4基于残差网络的Android恶意家族判别方案设计
4.2残差网络学习框架
4.2.2网络结构
4.3Android恶意家族判别训练框架设计
4.4评价指标
4.5本章小结
5实验与结果分析
5.1.2数据标注及统计
5.1.3数据预处理
5.2可视化方案对比实验
5.2.1问题描述
5.2.3结果分析
5.3特征组合对比实验
5.3.1问题描述
5.3.3结果分析
5.4多家族对比实验
5.4.2实验设计
5.4.3结果分析
5.5本章小结
6结论
6.2不足与展望
参考文献
作者简历
独创性声明
学位论文数据集
北京交通大学;