master_thesis:硕士论文-通过混合分析预测识别Android恶意软件-源码

硕士论文 硕士论文-通过混合分析预测识别Android恶意软件 抽象的随着运行移动操作系统Android的移动设备的数量不断增加，其广泛使用和各种应用可能性，这些设备已成为恶意应用程序的重要目标。 通过先进的静态和动态分析，研究人员可以深入了解恶意软件的机制，而机器学习通常被用来检测未知的恶意应用程序。 Android操作系统和相关恶意软件不断发展。 因此，使用过时的恶意软件训练机器学习模型可能会对较新的恶意软件的预测标识的性能产生负面影响。 尽管一些科学出版物使用了过时的恶意软件集合。 本文着重研究一个中心问题：通过比较两种混合方法，对最近的Android恶意软件的预测识别有多精确？ 在本文中，从合适的存储库中收集了近期的恶意和良性Android应用程序。 实施了两种混合分析，以从Android应用程序中提取静态和动态信息。 两种方法都试图增加在物理设备上执行的动态分析的代码覆盖率。 利