基于深度学习的恶意应用检测技术研究与实现

发布时间：2025-05-20 06:41

　　Android与Windows分别是目前最受欢迎的移动操作系统与桌面操作系统,它们的软件安装管理方式较为开放与宽松,在这两种操作系统上存在着大量恶意应用软件。各类恶意应用给个人、企业与政府部门带来隐私泄露、商业机密泄露、公众信息泄露与经济损失等问题。本文对这两种系统下的恶意应用检测问题进行了研究,提出了一种结合一维卷积神经网络与递归神经网络的恶意应用检测模型及其配套的预处理方法,基于微服务架构理念设计并实现了一套分布式恶意应用检测引擎。本文提出了一种基于深度学习的恶意应用检测技术,包括一种检测模型及与其配套的预处理方法。该检测技术把从应用文件中提取的信息分为两大类,离散信息与序列信息,对应这两种信息分别设计了基于一维卷积神经网络与递归神经网络的两个分支模型,两个分支模型合并形成最终的检测模型。预处理方法根据对应用文件处理程度的不同,设计了快速模式与慢速模式。该检测技术将Android与Windows这两种操作系统下的检测问题整合到一个框架下,在慢速预处理模式下相比现有模型提高了 2～3%的准确率,在快速预处理模式下相比现有检测技术准确率在降低不到2%的情况下,检测速度提高了 5倍以上。本...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 论文主要工作
    1.4 论文的组织结构
第二章 基础技术知识
    2.1 Android与Windows恶意应用检测技术
    2.2 深度学习技术
    2.3 微服务架构设计技术
        2.3.1 微服务架构简介
        2.3.2 容器化技术
        2.3.3 容器编排技术
    2.4 本章小结
第三章 基于深度学习的恶意应用检测技术
    3.1 检测方法概述
    3.2 数据预处理方法
        3.2.1 快速预处理步骤
        3.2.2 慢速预处理步骤
    3.3 检测模型
        3.3.1 模型基本构件选择
        3.3.2 训练过程及超参数选择
    3.4 实验验证
        3.4.1 实验系统配置
        3.4.2 样本集来源及划分
        3.4.3 实验结果指标
        3.4.4 实验结果及分析
    3.5 本章小结
第四章 分布式恶意应用检测引擎设计
    4.1 需求分析与设计目标
        4.1.1 检测引擎的需求分析
        4.1.2 检测引擎的设计目标
    4.2 检测引擎系统设计
        4.2.1 总体架构设计
        4.2.2 各微服务模块详细设计
    4.3 本章小结
第五章 分布式恶意应用检测引擎实现与测试
    5.1 检测引擎实现
    5.2 检测引擎部署与测试
        5.2.1 公有云部署检测引擎
        5.2.2 分布式检测引擎测试
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 不足与展望
参考文献
致谢



本文编号：4047007