【摘 要】
：
在智能手机飞速发展的今天,人们对手机的依赖性越来越大,自然而然就导致手机内会存储大量的隐私数据,其中包括视频、文件、图片,甚至联系人以及通话记录等。局限于手机自身系统以及相关软件防护的不全面性,导致用户的隐私数据存在非常大的隐患。基于这样的场景,本次设计开发出这款应用系统,帮助用户解决这个后顾之忧。本文在研究Android相关技术的基础上,采用MVC为框架设计并实现主界面隐私数据的获取和展示。从隐
论文部分内容阅读
在智能手机飞速发展的今天,人们对手机的依赖性越来越大,自然而然就导致手机内会存储大量的隐私数据,其中包括视频、文件、图片,甚至联系人以及通话记录等。局限于手机自身系统以及相关软件防护的不全面性,导致用户的隐私数据存在非常大的隐患。基于这样的场景,本次设计开发出这款应用系统,帮助用户解决这个后顾之忧。本文在研究Android相关技术的基础上,采用MVC为框架设计并实现主界面隐私数据的获取和展示。从隐私数据的安全性角度出发设计出基于伪随机数序列的隐私数据的重排列,结合对AES加密算法以及NDK开发技术的研究实现了基于伪随机序列的加密方法。另外基于AES加密算法密钥保护的重要性,AES对称密钥在组成形式上,通过手机唯一识别码IMEI号和用户验证锁屏的正确性判断共同生成AES对称加密密钥。在存储形式上,设计通过IPC（进程间通信）的通信方式获取RSA非对称密钥,进而对AES对称密钥进行加密存储。之后鉴于对Android隐私数据保护系统做出了需求分析和详细设计之后,设计出各个功能模块,包括加密算法密钥存储模块、应用启动与进入模块、数据获取与显示模块、数据加密解密模块以及外部存储介质监听模块,并分别对其进行详细实现。最后通过设计测试用例对移动端隐私数据保护系统的各项功能以及性能进行了详细的测试评估。结果显示,本课题研究的基于Android移动端隐私数据保护系统具有较高的实用性以及安全性,切实能够保护用户的隐私数据安全。
其他文献
近年来,越来越多的应用要求低延迟和高处理能力。移动设备有限的计算能力限制了其在复杂移动应用中的性能。将任务计算机会地卸载到边缘服务器上,可以减少移动设备上的计算负担,提高移动终端的续航时间。然而,由于用户的移动性,网络中边缘服务器上的计算负载会变得不平衡。因此,针对用户移动性异常检测和基于用户移动性进行计算卸载流量均衡,成为一个迫切需要解决的问题。本文在移动无线接入网络场景下,针对用户移动性异常检
近几年以来,随着智能语音设备的普及,人们对语音降噪的需求日益增加,语音增强算法的作用也日益彰显。其中基于深度学习的语音增强算法显示出了巨大的潜力,极大地提高了语音降噪的能力,但是同时也存在着很多问题和挑战,例如通过引入密集连接卷积网络（Dense Convolutional Network,DenseNet）可以提高模型的性能,但是也存在参数利用不充分的问题;损失函数和评估指标不匹配,常用的损失函
互联网技术的快速发展,为人类生产和生活提供极大便利的同时,也带来了巨大的网络安全挑战。渗透测试技术通过模拟黑客攻击方法来检测系统漏洞,可以快速发现网络安全问题,避免造成不可逆损失。近年来,网络安全行业高速发展,涌现出了众多渗透测试工具,大大方便了渗透测试人员对企业网络进行安全性测试的工作。但是,大多数工具只能针对可以直接访问的网络进行渗透测试,而绝大部分安全问题往往存在于测试工具无法直接访问的内部
近年来,随着网络通信技术的发展、5G（5th generation mobile networks,5G）的商业化以及相关设备的升级换代,虚拟现实（Virtual Reality,VR）服务和应用得到了极大的发展。在VR视频业务的应用场景中,360°全景视频的数据传输量通常是传统视频的数倍以上,且由于用户的QoE（Quality of Experience,QoE）要求时延极低,网络中基站面临的压
风险控制系统的建设逐渐变成了互联网金融行业的核心问题与研究热点。风控系统是指能够为风控策略管理人员提供风控策略配置功能,并且能够将风控策略转换为风控服务的软件系统。但是当前已知文献中的风险控制系统建设存在以下问题:1)目前国内外相关文献的研究主要集中于风险控制理论、大数据挖掘、人工智能模型技术、业务架构等,而系统落地实现方面很少有研究,现有的风险控制系统大多数基于自身特定场景下定制化开发,通用性较
近年来,地空通信作为第五代移动通信网络（Fifth Generation of Mobile Networks,5G）中智能交通系统的重要组成部分,受到了学术界和产业界的高度关注。为了对地空通信系统进行方案设计和性能评估,地空场景下非平稳随机信道模型的研究与实现至关重要。地空信道复杂多变,其非平稳特性难以使用平稳的随机过程描述,Markov非平稳信道模型能很好地模拟真实地空信道信号衰落包络在时间轴
语音增强任务可以分为干扰抑制和声源分离两大类任务,是当今语音信号处理领域重点研究方向之一,同时也是自然语言处理关键前端技术之一,具有重要的研究价值。由于传统语音增强算法对信号做出的假设限制了其应用场景,具有强泛化能力的神经网络算法成为了主流的算法。为此,本文主要围绕基于神经网络的语音增强算法展开了一系列研究。1)针对干扰抑制问题,以时域卷积神经网络作为基础结构,重点考察了掩蔽机制、优化准则、残差块
随着互联网技术的发展与大数据时代的到来,文本数据的规模正在呈爆炸式增长。新闻文本数据中通常蕴含着丰富的高价值信息,然而用户很难从中高效地获取这些有价值的信息。而信息抽取可以从非结构化文本中过滤掉大量的冗余信息,保留高价值、结构化、高可用性的数据。关系抽取作为其重要子任务,旨在从非结构化文本中提取实体之间的关系。同时,关系抽取的结果还可以应用于人物社交网络的构建、知识图谱的构建等下游任务中。为了挖掘
移动边缘计算是一种新兴的体系结构,通过将云资源（例如存储和计算能力）部署到无线接入网络的边缘来增强移动云计算的能力。这为用户提供了强大而高效的计算、存储、能效、移动性、位置以及上下文感知支持。移动边缘计算支持各种需要超低时延的创新应用和服务。然而,在移动边缘计算任务卸载的研究中,高速运动的用户在进行计算任务卸载时会导致计算任务在系统中频繁迁移,从而引入额外的传输时延并降低用户体验。同时,在将移动节
深度学习在图像识别、语音识别、文本匹配等各种复杂任务中都表现出强大的特征表示学习能力,并逐渐应用于自动驾驶、语音控制、恶意应用检测等与用户生命财产息息相关的场景中。然而对抗样本的存在给这些应用蒙上了一层阴影,对抗样本是在正常数据中加入细微扰动所得到的恶意输入,能够导致性能良好的模型做出错误决策,对于图像数据,这种扰动常常难以被人眼发觉。更严重的是,对抗样本表现出迁移性,即用于攻击某一目标的对抗样本