论文部分内容阅读
随着移动互联网的飞速发展,移动应用逐渐渗透到人们生活的方方面面,但由于有效监管的缺乏和灰色利益驱动等原因,互联网中的恶意应用越来越多,引发的安全问题也愈发严峻。针对恶意应用存在的安全隐患,急需使用具备高性能计算能力的分布式系统对应用进行批量安全检测。不同于传统的分布式任务,移动应用检测任务具有难以切分、执行时间跨度大的特点。目前国内学者已经提出根据移动应用控制流复杂度来度量检测任务负载,在负载均衡算法中引入移动应用控制流复杂度以平衡集群节点之间的检测任务负载,提高分布式系统整体的任务执行效率。但是,该策略从代码逻辑层面去度量检测任务的负载耗时较长,而且逻辑的复杂度不能准确衡量检测任务负载。本文从代码底层特征入手,统计应用的指令规模,并通过指令规模来衡量检测任务负载。本文的主要工作如下:1.研究了移动应用检测技术的现状和移动应用检测任务的特点,研究了现有的分布式任务管理框架及核心技术点,包括负载均衡算法、任务调度、文件系统,并分析其优势和不足之处。2.结合移动应用检测任务执行时间跨度大的特点,从更直观的应用文件底层特征入手,提出一种指令级的移动应用软件规模衡量方法,在负载均衡算法中引入移动应用软件规模,并通过该负载均衡算法指导任务调度。同时对移动应用检测的海量小文件存储进行优化。3.设计了一个适合移动应用检测任务特点的分布式任务管理系统,并阐述了系统架构和主要功能模块的具体实现。4.通过实验验证了引入移动应用软件规模的动态负载均衡算法更加有效的平衡了集群节点之间的检测任务负载,提高了检测任务的执行效率。同时,实验验证了基于TFS的海量小文件存储可以有效提高文件读写效率。综合实验结果,本文设计的分布式任务管理系统具有高效性,能满足海量移动应用检测的业务需求。