基于android应用的恶意行为检测与实现

《基于android应用的恶意行为检测与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERDISSERTATION论文题目：基于Android应用的恶意行为检测与实现学科专业：计算机系统结构学号：201521060106作者姓名：章宗美指导教师：罗蕾分类号密级注1UDC学位论文基于Android应用的恶意行为检测与实现（题名和副题名）章宗美（作者姓名）指导教师罗蕾教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业计算机系统结构提交论文日期2018年3月23日论文答辩日期2018年5

2、月学位授予单位和日期电子科技大学2018年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHANDIMPLEMENTATIONOFMALICIOUSBEHAVIORDETECTIONINANDROIDAPPLICATIONSAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaDiscipline:ComputerSystemArchitectureAuthor:ZongmeiZhangSupervisor:Profes

3、sorLeiLuoSchool:SchoolofComputerScience&Engineering摘要摘要Android是Google在2007年发布的开源移动终端操作系统，它兼具开放性以及高效性，广受手机厂商和开发者青睐，现已是市场上占有率最高的移动操作系统。但正是由于Android系统的开放性与受欢迎程度，它成为了恶意应用所攻击的主要对象。当前Android平台下恶意应用程序层出不穷，并且恶意应用躲避现有检测工具的手段也越来越复杂，要求必须寻求一种更高效的Android恶意应用检测技术，使得Android平台下的恶意应用检测可以变得自

4、动化以及智能化。基于以上背景，本文对Android平台的恶意应用检测技术进行深入研究，设计并实现了一个结合静态恶意应用检测技术和动态恶意应用检测技术的Android恶意应用检测系统，在保证自动化、智能化对Android应用程序进行检测的同时，也确保了恶意应用检测的准确率。主要的研究内容以及成果如下：1.提出并实现了一种基于N-gram的静态恶意应用检测模型。该模型通过逆向手段反编译AndroidAPK文件，利用N-gram技术在字节码上提取特征，以此避免传统检测中专家知识的依赖。同时模型使用深度置信网络，能够快速而准确地学习训练。通过对126

5、7个恶意样本和1200个善意样本进行测试，结果显示模型的检测准确率在N-gram长度为7时达到最高，为98.34%；2.设计并实现了一个非侵入式的Android动态恶意检测工具。检测工具不需要对应用程序做任何修改就可以记录下应用程序的运行时行为，同时被检测应用也不会感知到检测工具的存在，消除了恶意应用躲避检测机制的影响；3.设计并实现了一个将静态恶意检测和动态恶意检测相结合的Android恶意检测系统。系统在静态检测阶段利用基于N-gram静态检测和基于敏感API和权限静态检测分别对应用程序进行检测分析，动态检测则对静态检测的结果进一步分析确

6、认，实验结果表明整体的静态检测阶段的误报率为0，并且动态检测分析可以有效地分析静态检测结果不确定的应用样本。关键词：Android安全，Android静态恶意检测、N-gram技术、深度置信网络、Android动态恶意检测IABSTRACTABSTRACTAndroidisanopen-sourcemobileoperatingsystemreleasedbyGooglein2007.Itisbothopenandefficient,widelyfavoredbymobilephonemanufacturersanddevelopers,an

7、dnowhashighestmarketshareinthemobileoperatingsystem.However,duetoitsopennessandpopularityoftheAndroidsystem,Androidoperatingsystemhasbecomethemaintargetofmaliciousapplications.Currently,maliciousapplicationsareconstantlyemergingontheAndroidplatform,meanwhile,andthemeansbywh

8、ichmaliciousapplicationsusetoevadeexistingdetectiontoolsarebecomingincreasinglycom