基于Android的流量监控白名单策略

Android安全问题是制约Android应用发展的一个重要因素,分析了目前Android流量监控系统存在的安全缺陷,针对Android恶意软件吸费问题,提出了一种基于白名单的流量监控改进策略.该策略实施在协议层,通过建立白名单数据库实现对应用进程的联网访问控制.实验结果表明,改进后的流量监控系统在当前网络环境下,加强了对应用联网的约束,能有效降低流量损失,增强系统安全性.     

基于改进贝叶斯分类的Android恶意软件检测

针对Android手机安全受恶意软件威胁越来越严重这一问题,提出一种改进的Android恶意软件检测算法。监控从Android移动设备应用程序获取的多种行为特征值,应用机器学习技术,通过与卡方检验滤波测试结合的方式改进传统的朴素贝叶斯算法,检测Android系统中的恶意软件。通过实验仿真,结果表明在采取朴素贝叶斯分类模型之前,使用卡方检验过滤应用程序的行为特征,可以使基于Android的恶意软件检测技术拥有较低的误报率和较高的精度。     

移动智能终端软件安全机制与恶意软件检测技术分析

在Android系统环境下,主要介绍移动智能终端的特点和一些固有的安全机制,有助于我们在移动智能终端自身特点和安全性基础上研究移动终端的安全体系。对Android系统相关的安全防护和检测的概念进行归纳总结,揭示了Android平台的层次化安全体系。最后分析对比目前的移动智能终端恶意软件检测技术的优劣。     

Android恶意软件无感植入技术的研究与防范

随着Android系统的推广,Android恶意软件造成的危害也越来越大,而当前对恶意植入的研究缺乏全面性和独立性。该文对Android系统恶意软件植入进行了研究,明确提出了无感植入概念,并构建了无感植入模型;其次,实现了基于Web View漏洞的无感植入,并以此为例说明了无感植入的危害性;最后提出了相关的防范建议,以期降低无感植入给用户带来的各种安全威胁。     

基于动态监控的Android恶意软件检测方法

Android平台是当今最热门的移动终端平台,但其平台开放性特点使得Android恶意软件数量众多,成为移动安全的重灾区。文中针对Android平台的恶意应用的行为进行检测分析,研究基于动态监控的异常检测技术,提出了一种基于应用行为动态监控的检测方法。测试结果表明,该方法能够有效识别恶意软件,标注出其恶意行为。适用于Android移动智能终端安全防护的需要。     

基于深度学习的Android恶意软件检测:成果与挑战

随着Android应用的广泛使用,Android恶意软件数量迅速增长,对用户的财产、隐私等造成的安全威胁越来越严重。近年来基于深度学习的Android恶意软件检测成为了当前安全领域的研究热点。该文分别从数据采集、应用特征、网络结构、效果检测4个方面,对该研究方向已有的学术成果进行了分析与总结,讨论了它们的局限性与所面临的挑战,并就该方向未来的研究重点进行了展望。     

Android系统安全机制研究

Android系统的开发人员已经在平台设计中引入了安全机制,包括系统平台层和应用层的安全机制。Android系统强制所有应用程序都使用双层(即内核层和应用层)安全模型。文章介绍Android安全模型的内核层和应用层,分析Android系统如何使用Linux内核运行基于权限的安全模型,给出Manifest权限,并从系统安全的角度,论证Manifest权限对Android应用程序的重要性。     

基于混合特征的Android恶意软件静态检测

当前智能手机市场中,Android占有很大的市场份额,又因其他的开源,基于Android系统的智能手机很容易成为攻击者的首选目标。随着对Android恶意软件的快速增长,Android手机用户迫切需要保护自己手机安全的解决方案。为此,对多款Android恶意软件进行静态分析,得出Android恶意软件中存在危险API列表、危险系统调用列表和权限列表,并将这些列表合并,组成Android应用的混合特征集。应用混合特征集,结合主成分分析(PCA)和支持向量机(SVM),建立Android恶意软件的静态检测模型。利用此模型实现仿真实验,实验结果表明,该方法能够快速检测Android应用中恶意软件,且不用运行软件,检测准确率较高。     

Android平台的安全问题及其对策

随着智能手机的日益普及,智能手机应用的安全问题愈来愈多地引起人们的关注,尤其是在诸如网上交易、网上银行账户管理等敏感应用方面。不断涌现的新病毒与恶意软件令传统的杀毒防毒工具难以抵挡。在分析Android平台的基础上,指出了Android平台智能手机存在的安全问题,提出通过引入虚拟化技术,把敏感应用与普通应用进行隔离的方法,从而满足用户对不同应用的安全要求。     

Android平台下的安全检测软件的设计与实现

本文为了阻止Android手机恶意软件病毒的危害,分析了入侵病毒的类型,提出了一个基于Android平台的安全检测软件的设计方案,并实现了该方案。该软件基于Android的体系机构,结合Android体系自身的特点,实现了查杀病毒、检测支付环境、监听电话短信、检测流量等功能,保障了用户的安全。经过真机和模拟机测试,该软件能够有效查杀病毒、检测到潜在的病毒危害并及时采取措施,达到了设计目的。     

Android系统手机安全机制研究

Android系统手机安全涉及到不同的安全环节,在手机ROOT后,如何保证用户的信息安全,防止出现各种信息泄露、恶意扣费、系统破坏等事件。通过对Android现在防御安全方案分析,有动态改变权限和入侵检测系统检测和控制恶意软件的危害两种方案,经吸收这两种方案的优点,提出了基于异常行为的动态管理权限方案,用于实时监测手机的异常行为,从而保证手机系统安全。     

基于污点传播动态分析的Android安全系统研究

随着移动互联网的飞速发展,Android系统得到了大量用户和开发人员的青睐。针对Android系统的恶意软件层出不穷,由此引发的危害也越来越严重。目前针对Android系统应用程序的检测多采用静态分析技术,通过分析代码发现其恶意行为,因此准确度并不是很高,而且对于新的恶意软件变种的检测存在较多问题,而动态分析技术恰好可以弥补这一不足。基于污点传播的动态分析技术,在应用程序运行时监测其行为并记录相关信息进行分析,确定其是否具有恶意软件性质。不仅对系统运行负载较小,也便于系统移植进行多平台的开发测试。     

基于Android Broadcast的短信安全监听系统的设计和实现

在手机终端应用软件和移动业务呈现出多样化发展的同时,针对手机短信进行后台监听与窃取的恶意软件也大量出现,已经对手机信息安全构成了严重的威胁.从Android系统的Broadcast运行机制入手,设计一个具有捕获第三方恶意软件劫取短信行为的监测软件,全程对广播进行监听和行为捕获,终止短信被劫取、转发等恶意行为的发生.在经过测试试验后效果良好,可以有效地解决短信被泄露的问题.     

瞻博网络:防范移动安全需主动出击

瞻博网络(Juniper Networks)日前发布了一份关于全球移动威胁的调查报告,报告显示,企业及消费者的移动设备所面临的安全问题日益突出,例如,针对Android系统的恶意软件自2010年夏天以来增长了400%,针对Wi-Fi的攻击也在大幅增加,移动设备面临的安全形势非常严峻。移动设备面临高安全风险近年来,随着智能手机、平板电脑     

NGB环境下的智能电视终端安全模型及技术实现探讨

谷歌公司的Android智能手机操作系统在手机领域巨大的成功使得众多数字电视领域厂家开始关注Android系统智能电视终端在数字电视领域的推广。如何确保Android系统智能电视终端平台上DVB、0TTTV等各种数字电视业务的安全管控、满足广电运营商对智能电视终端的安全要求是目前急需解决的关键技术问题。因此本文从技术及安全角度对Android系统的安全机制、安全体系架构、以及DVB、OTTTV业务在Android系统上的安全机制等方面加以分析论述,提出了运用于Android智能电视终端平台的符合广电可管可控要求的安全模型及技术实现。     

NGB环境下的智能电视终端安全模型及技术实现探讨

谷歌公司的Android智能手机操作系统在手机领域巨大的成功使得众多数字电视领域厂家开始关注Android系统智能电视终端在数字电视领域的推广.如何确保Android系统智能电视终端平台上DVB、OTT TV等各种数字电视业务的安全管控、满足广电运营商对智能电视终端的安全要求是目前急需解决的关键技术问题.因此本文从技术及安全角度对Android系统的安全机制、安全体系架构、以及DVB、OTT TV业务在Android系统上的安全机制等方面加以分析论述,提出了运用于Android智能电视终端平台的符合广电可管可控要求的安全模型及技术实现.     

浅析Android系统的软件安全设计

在手机系统的使用中,对Android系统进行安全设计,可以保证用户的信息和财产安全。文章主要通过Dbus的使用和Android系统的安全构架来对系统进行设计。以期不断优化Android系统,进而可以保护用户的信息和财产安全性。     

基于组合机器学习算法的Android恶意软件检测

Android系统的开源特性使得应用市场缺乏完善的监管,严重影响移动用户的信息安全。然而,现有Android恶意软件检测方法主要依赖于恶意软件签名库,难以应对无签名的未知软件。为此,文中提出一种基于组合机器学习算法的Android恶意软件检测方法,该方法充分利用Android应用的多项属性特征,使用多个策略组合分析不同类型机器学习分类器的决策结果。实验结果表明,文中方法能够有效提高Android恶意软件检测的有效性和准确性。     

Android应用软件安全测评方法研究

Android是一种应用广泛、软件兼容性良好的操作系统。Android基于Linux内核,主要应用于触屏移动设备,如智能手机和平板电脑等。随着Android手机的快速发展和大量使用,其安全特性成为研究热点。文中以Android手机应用软件测评技术为主线,根据对实际工作经验的总结,详细分析了Android系统架构、安全机制以及Android手机应用软件在数据存储和数据传输中的安全问题。根据对Android安全机制和风险的分析,提出一种Android手机软件安全测评方法和流程,并简要说明了使用的测评工具软件。     

Android恶意软件检测方法分析

文章首先就Android恶意软件的安装和触发特点进行分析,通过分析Android平台中的恶意行为,制定了Android恶意代码检测方案。结合Android平台的特点,分析了现有的恶意软件检测行为,并指出了现有Android恶意软件检测方法的不足和未来发展趋势。