精品文档---下载后可任意编辑Android 平台上恶意软件检测技术讨论的开题报告一、选题背景随着智能手机的普及，移动互联网的快速进展，安卓系统已经成为了移动端最流行的操作系统之一
伴随着安卓用户的不断增多，安卓平台上的恶意软件也日益猖獗，给用户的设备安全带来了很大的威胁
恶意软件的种类繁多，攻击手段也越来越 sophisticated，但一些讨论显示，它们通常会通过窃取用户个人信息、加密勒索、短信诈骗等方式攻击用户
由此，如何高效、准确地检测、防护安卓平台上的恶意软件，保障用户的个人信息安全和设备安全，成为了当前亟待解决的问题
二、讨论现状目前，安卓平台上的恶意软件检测技术主要分为基于签名检测和基于行为检测两种
基于签名检测是一种传统的恶意软件检测方法，它通过比较 APP 包的 MD5 或者 SHA1 码，来推断一个 APP 是否是正常的应用
但这种方法的缺点在于它只能检测出已知的恶意软件，而且需要大量的数据库支持，在面对新型恶意软件时，它的检测率就会下降
基于行为检测是近年来进展起来的检测方式，它通过对 APP 运行时的行为进行监控、分析，来推断 APP 是否存在恶意行为
这种方法虽然能够很好地检测出新型恶意软件，但是会对设备的性能产生一定负担，并且需要许多的资源才能完成检测工作
三、讨论目标及内容本讨论旨在探究基于深度学习的安卓平台恶意软件检测技术
具体讨论内容包括：1、分析近年来的恶意软件攻击模式，总结其中常见的攻击手段和难以防备的攻击手段
2、讨论深度学习技术在安卓恶意软件检测中的应用
采纳深度学习技术对安卓平台上的恶意软件进行分析、学习，提高恶意软件的检测率和准确性
3、开发一款基于深度学习的安卓恶意软件检测应用
采纳数据挖掘技术，对大量的恶意软件样本进行分析、学习，构建出恶意软件行为模型，并开发出检测应用，保障用户设备的安全
四、讨论意义精品文档---下载后可
