基于hadoop的android软件恶意检测的研究与实现

《基于hadoop的android软件恶意检测的研究与实现》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、TP399公开分类号：____________密级：______________ＵＤＣ：____________单位代码：______________11646基于Hadoop的Android软件恶意检硕士学位论文测的研究与实现论文题目：基于Hadoop的Android软件恶意检测的研究与实现卢文清学号：_________________________1111082079姓名：_________________________卢文清专业名称：_________计算机应用技术________________学院：_________

2、________________信息科学与工程学院宁波指导教师：_________________________何加铭教授大学论文提交日期：2014年06月15日万方数据分类号：____________TP399密级：______________公开ＵＤＣ：____________单位代码：______________11646硕士学位论文论文题目：基于Hadoop的Android软件恶意检测的研究与实现学号：_________________________1111082079姓名：______________________

3、___卢文清专业名称：_____________计算机应用技术____________学院：_________________________信息科学与工程学院指导教师：_________________________何加铭论文提交日期：2014年06月15日万方数据AThesisSubmittedtoNingboUniversityfortheMaster’sDegreeAndroidSoftwareMalwareDetectionBasedonHadoopCandidate：LuWenqingSupervisors：(Ass

4、ociate)ProfessorHeJiamingFacultyofElectricalEngineeringandComputerScienceNingboUniversityNingbo315211，ZhejiangP.R.CHINA15/06/2014万方数据独创性声明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得宁波大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做

5、的任何贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。签名：___________日期：____________关于论文使用授权的声明本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵循此规定）签名：___________导师签名：___________日期：____________万方数据宁波大学硕士学位论文基于Hadoop的Android

6、软件恶意检测的研究与实现摘要当前智能手机市场中，Android占有很大的市场份额，又因它的开放性和灵活性，基于Android系统的智能手机很容易成为攻击者的首选目标，用户个人手机安全已经成为用户最为关注的问题。现今智能手机上安装有大量的特色鲜明、用户体验友好的应用，它们极大的丰富了智能手机的功能，并提高了用户体验。这些应用通过电子应用市场分发到每个智能终端。有些第三方应用市场允许用户很容易下载新应用，这给恶意软件提供了非常便利的传播途径。随着Android平台中恶意软件的快速增长，Android手机用户迫切需要保护自己手机安全的解

7、决方案。本文主要研究内容如下：首先，分析Android平台架构及安全机制，恶意软件攻击方式，然后在从三个方面阐述了恶意软件的特征——敏感API、系统命令行和权限列表。由于大多数Android应用都缺乏源代码，本文通过逆向工程得到应用源代码，并在源代码的基础上提取了Android应用三个方面的特征，同时引入互信息概念，进行特征选择，最终建立基于支持向量机(SVM)的Android软件恶意检测模型，检测Android软件是否为恶意软件。其次，随着Android用户的不断增长，Android应用的数目也在不断增长。面对大数量的Andro

8、id应用，特征抽取速度缓慢，影响最终检测。本文利用Hadoop平台分布式并行处理的特点，在Hadoop平台上实现了Android应用特征抽取。最后，针对大数据量下传统SVM训练速度极度缓慢的缺点，设计了一种基于多级迭代的并行SVM支持向量机模型，并