【摘 要】
：
近些年来,随着智能手机技术的日益普及,移动智能终端设备在人们的生活中也变得越来越重要。其中Android系统由于其开源性成为了市场份额最大的移动操作系统,所占的市场份额在2021年超过了70%。然而随着Android系统的不断流行,它所面临的安全威胁也在日益增加。现在越来越多的攻击者将攻击目标锁定为Android设备,并通过使用恶意软件来窃取设备中的敏感信息,给系统用户带来了严重的威胁。因此,研究
论文部分内容阅读
近些年来,随着智能手机技术的日益普及,移动智能终端设备在人们的生活中也变得越来越重要。其中Android系统由于其开源性成为了市场份额最大的移动操作系统,所占的市场份额在2021年超过了70%。然而随着Android系统的不断流行,它所面临的安全威胁也在日益增加。现在越来越多的攻击者将攻击目标锁定为Android设备,并通过使用恶意软件来窃取设备中的敏感信息,给系统用户带来了严重的威胁。因此,研究如何高效的检测Android恶意软件,并有效的触发它的恶意行为成为了软件安全领域的重点研究方向之一。本文深入研究了现有的Android恶意软件检测方法和动态恶意行为触发方法,并对当前主流的几种特征进行了深入分析,结合了Android系统本身的一些特点,提出了一些新的解决思路。本文的主要研究内容为:（1）提出了一种基于多静态特征的Android恶意软件检测方法。该方法首先通过逆向工具从应用程序的安装文件中提取出五类静态特征,然后根据每一类特征的特点将它进行分组简化,以此来提高特征数据集的持久性,并且在构建样本特征向量的阶段,该方法考虑到了特征之间会存在重要性差异的问题,因此采用了修改后的特征加权和特征选择算法,通过提取出关键特征并赋予高权值,来有效降低数据集的维度并使得特征集更具有区分性。该方法最后在分类模型训练阶段通过使用轻量级神经网络去训练分类模型,在保证了模型检测率的同时,降低了训练的时间消耗,提高了检测的效率。（2）提出了一种基于沙箱和蒙特卡洛树搜索的Android恶意软件动态行为触发方法。该方法通过使用Xposed框架和模拟器来对恶意应用的运行过程进行有效监控,并提取出日志信息。为了能够有效的触发恶意行为,该方法将输入的系统事件进行分类,然后使用Monkey和Droidbot产生测试输入,并使用蒙特卡洛树搜索算法去不断的探索与反馈,最后的实验结果表明,该方法可以有效的触发恶意行为,并且可以达到较高的代码覆盖率。
其他文献
航标是引导船舶航行、标识水域危险和航道信息的助航标志,是航道基础设施之一。随着现代信息技术和导航技术的蓬勃发展,内河航道传统的实体航标已不能满足航运现代化发展要求。将AIS（Automatic identification System,船舶自动识别系统）和传统航标结合实现数字化航标,提高数字化助航设备效能和助航服务水平,已成为航道管理部门一项重要工作。虚拟AIS航标正是在AIS技术基础上发展起来
随着我国人口老龄化程度的不断加重,生活支援机器人的需求量越来越大,抓取技术作为该机器人的一项重要技术受到广泛地关注与研究。本文针对生活支援场景下的日常生活用品展开了一系列基于深度学习的抓取位姿检测算法的研究。首先,根据本文的研究场景设计了一个基于Faster R-CNN的抓取位姿检测模型,该模型根据抓取矩形框5维参数的抓取位姿表征方式,将其中用于表示抓取姿态的方向角度处理为目标分类预测问题,将用于
印制电路板（PCB）的生产制造水平对计算机、消费电子等行业技术进步发挥着基础性作用,而PCB组装（PCBA）的质量控制对于电子产品最终质量有着重要影响。在当今PCBA微型化、轻薄化和密集化发展趋势下,人工目视检查和在线电气检测难以满足其质量控制需求,因此自动光学检测是目前PCBA缺陷检测的主流手段。然而,当前多数自动光学检测设备仍基于模板匹配等传统机器视觉手段,存在着两方面弊端:一是对模板的高度依
随着能够自主运行机器人需求的不断增大并成为当前的发展潮流,室外移动机器人定位技术成为关键技术之一。而SLAM（同时定位与地图构建）技术使得室外移动机器人可以利用传感器对周围环境的数据进行采集,完成自身定位和地图构建,并通过路径规划达到目的地。在传感器的选择上,因3D激光雷达的高分辨率,抗干扰性,能够获取准确的距离信息,且可以全天候工作等特点使其可以广泛的应用到室外移动机器人上,因此基于3D激光雷达
四旋翼无人机系统具有控制较灵活、结构比较简单、成本低等特点,并且能够垂直起降和自主悬停等,在各个领域都具有至关重要的作用。但无人机的工作环境比如电力巡检等,都存在着气流、阻力等对飞行器的外界干扰因素。此外,四旋翼无人机系统是比较复杂且耦合性强的欠驱动系统,执行器若发生故障,那么无人机将大大降低飞行质量从而无法完成预定任务。因此,为减少由外界干扰、执行器故障等带来的安全隐患,对无人机飞行过程进行容错
受长江干线上游控制河段航道通行条件影响,船舶在通过控制河段时必须根据通行指挥系统发送的信号,单向、有序通过。船舶通行指挥系统根据船舶的实时AIS（Automatic identification System,船舶自动识别系统）数据获得船舶动态信息,依照控制河段的通行规则进行指挥决策。然而现有指挥系统仅考虑了船舶进入控制河段前的动态,并没有考虑船舶被允许进入控制河段后的动态和行为对后续船舶通行指挥
通行于长江干线上游控制河段的船舶必须按照通行信号台的指挥,有序通过。目前通行指挥系统主要是基于AIS（Automatic Identification System,自动识别系统）对船舶进行动态感知并指挥,其指挥的准确性主要受感知数据的可靠性、准确性和实时性的影响。为实现控制河段通行信号台“无人值守”的发展目标,满足通行指挥系统对船舶动态感知数据的要求,采用多源传感器数据融合的方式是提高船舶感知数
人口老龄化已成为全球范围的共识问题,居家养老也成为主流的养老方式。对于缺乏子女陪同的高龄老人来说,其安全、健康问题比以往更受到人们关注。在各种日常活动中,跌倒对于独居老人来说是最危险且最频繁的意外事件。如果缺乏及时报警和抢救,很容易给老年人带来更加严重或不可逆转的后果。除了做好老年人安全教育等预防性工作外,还需要一种能够检测跌倒事件并及时通知护理人员或家庭成员的应用系统。传统的基于可见光机器视觉方
目标跟踪作为计算机视觉的一个重要研究方向,不断被重视和发展,已经在智能监控、航拍导航、无人驾驶等领域得到广泛的应用。随着目标跟踪应用的场景越来越复杂,面对的挑战也越来越多,如目标遮挡、形变、尺度变化等,这些挑战会使目标跟踪成功率和准确率降低,影响跟踪效果。本文以核相关滤波（Kernel Correlation Filter KCF）跟踪算法框架为基础,针对遮挡问题进行了深入的分析和研究。本文的主要
医学模型对医学图像数据的高效处理在协助医生进行医疗诊断的过程中扮演着关键作用。然而,训练出良好的医学图像模型需要强大的算力和丰富的训练数据,这对于资源有限的医院来说是很困难的。同时,由于医学图像通常包含患者敏感信息,模型训练的任务不能简单地利用公共云等开放平台进行。因此,如何选择一个安全且算力强大的平台去高效训练医学图像模型,以及如何收集大量的医学图像数据,同时在模型训练的过程中保护医学图像数据的