【摘 要】
：
随着移动应用的普及,作为恶意行为识别的基础,移动应用端的行为模式分析也成为当前研究热点。本文创新地从系统环境数据入手,通过对系统多方面数据的监控,建立隐马尔可夫模型
【基金项目】
：
云南省教育厅科学研究基金项目基于动态检测的Android平台应用程序恶意行为分析研究（编号：1405178332）
论文部分内容阅读
随着移动应用的普及,作为恶意行为识别的基础,移动应用端的行为模式分析也成为当前研究热点。本文创新地从系统环境数据入手,通过对系统多方面数据的监控,建立隐马尔可夫模型,使用该模型对后续行为产生的系统环境数据进行隐马尔科夫估值计算,从而实现对后续行为模式的识别,同时在后续识别过程中不断优化模型。本文通过实验证明该方式具有一定有效性,为移动应用端行为模式识别提供了更多可能。
其他文献
<正>New energy is of great potential for its environmental friendliness and sustainability. It is an important type of energy that is good for the harmonious de
为实现动力电池精准的SOC估计,对磷酸铁锂动力电池建立二阶等效电路模型,考虑到汽车运行工况的复杂性,针对电池运行过程中的动静态特性,利用Arbin测试柜获取电池HPPC测试实验
<正>Sinopec Corp., the nation's second-biggest oil company, is expected to produce 1.9 percent more crude oil and 11 percent more gas in 2006 as the nation&
在 2006 年 1 月 21 日，空气和煤气的深好的钻测试成功地在 Sinopec 南部的探索区域被执行。在象低钻一样的南部的海洋的外形区域纠缠深 welldrillings 的逗留问题评价，钻时期