基于移动感知的智能手机防盗软件的研究

得益于硬件技术的发展,智能手机感知信息的方式日益丰富。因而以智能手机自带的传感器件为出发点,以移动感知为基础,设计并开发了一款智能手机防盗软件。该软件针对智能手机在生活中的不同使用场景,利用手机自带的加速度传感器、环境光传感器、接近传感器以及手机内部的广播机制,通过分析从周围环境获取的实时数据来判断手机状态是否变化,从而实现不同的防盗模式。其中在通过加速度传感器输出值判断手机状态时,设计了三轴加速度从手机坐标系到参考坐标系的四元数转换算法,以利于客观统一地判断手机的运动状态。此外,通过手机内部短信广播的截获技术来判断设备是否收到短信以及短信内容是否为预设指令,实现对手机的远程控制。目前Android智能手机的市场占有率高达80%,因而以Android手机为例,实现了上述智能手机防盗软件。各项功能经过真机测试,均已达到预期效果。     

针对恶意JavaScript识别的降维方法

针对将JavaScript代码N-gram处理后识别算法特征维度较高的问题,提出一种高效的降维方法。该方法利用TF-IDF-like模型分别计算特征在正常样本和恶意样本中的权重,基于特征权重在两类样本中的差异度进行降维。基于多个识别算法,将提出的降维方法与基于主成分分析（Principal Component Analysis,PCA）的降维方法进行比较,实验结果表明：当识别算法维度相同时,基于本文所给降维方法的识别算法在识别效果方面优于基于PCA的识别算法;当降维后识别算法的维度超过某个阈值时,随着识别算法维度的增长,本降维方法的时间开销增长速率远低于PCA方法。