基于云计算的移动终端恶意链接实时检测系统的设计与实现

摘要

移动终端的迅速普及给人们的生活带来了极大的便利，但同时也引入了大量新的安全隐患。Android系统应用在移动终端操作系统中的比例越来越大，因此攻击者将目标瞄向基于Android的移动终端。针对Android移动终端的网络攻击类型中最常见的是以恶意网络链接（URL）的形式呈现。通过诱导移动终端用户点击恶意链接，攻击者可以在用户不知情的情况下向用户终端中下载并安装恶意程序，以达到攻击的各种目的。恶意链接也可能是指向某些仿冒合法网页的钓鱼网页，通过诱导用户填写各种敏感信息以达到信息窃取的目的。
　　现有的多数安全检测方法需要在移动终端上安装反病毒程序或入侵检测系统，但由于移动终端的存储资源、计算资源和续航能力都有限，此类方法往往无法取得令人满意的效果。此外，移动终端的资源有限性同样限制了此类检测方法的实时性，而对恶意链接实现实时检测是保护用户利益不受侵害的关键因素。
　　本系统提出了17个统计特征，对决策森林算法进行了改进，并以此为基础设计并实现了一个基于云计算的移动终端恶意链接实时检测系统。系统主要针对基于 Android系统的移动终端，首先从链接地址本身信息出发，提出了一组用于区分合法链接和恶意链接的统计特征，包括5个链接解析特征和12个链接网络特征；然后，借助Mahout机器学习平台，使用并改进了决策森林机器学习算法实现了对恶意链接的实时检测。系统采用Hadoop架构部署在云端，并使用Hadoop分布式文件系统（HDFS）来存储相关数据，利用MapReduce核心部件来处理相关运算，从而解决了移动终端资源有限性与检测系统高开销性之间的矛盾。本系统设计了一个改进的网络爬虫采集真实移动互联网上的各类链接，并通过第三方检测系统确定各条链接的类属标签，最终形成了一个大型链接数据集。通过一系列在此大型链接数据集上的实验对本系统的性能进行了测试。实验结果表明，本系统不仅能精确地检测 Android移动终端上的恶意链接和合法链接，且具有较快的检测速度，同时满足了准确性和实时性要求。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外相关研究现状

1.3 主要工作及创新点

1.4 论文结构

第2章 相关技术研究

2.1 移动终端

2.2 Android系统

2.3 移动恶意程序

2.4 云计算技术

2.5 本章小结

第3章 系统总体设计

3.1 需求分析

3.2 总体设计

3.3 采集模块设计

3.4 特征提取模块设计

3.5 存储模块设计

3.6 检测模块设计

3.7 本章小结

第4章 系统实现及实验结果分析

4.1 采集模块实现及测试

4.2 特征提取模块实现及测试

4.3 存储模块实现及测试

4.4 检测模块实现及测试

4.5 原型系统的实现及测试

4.6 本章小结

结论

参考文献

致谢