基于动态分析的Android恶意应用检测系统的设计与实现的任务书.docx

基于动态分析的Android恶意应用检测系统的设计与实现的任务书
任务书
一、研究背景和意义
随着移动互联网的普及，Android操作系统已经成为了世界上使用最广泛的移动设备操作系统之一。然而，恶意应用程序开发者也趁机大举活跃，这也导致Android平台上的恶意应用数量日益增长。大量的恶意应用程序可能会通过伪装成合法应用或插入合法应用程序中的恶意代码等方式侵略用户设备，在用户不知情的情况下对用户隐私进行监视并操纵设备，导致设备性能降低、信息泄露等严重问题。目前，防御Android恶意应用程序的方法主要分为三类：基于签名的方式、基于特征码的静态分析和基于行为的动态分析，其中，基于行为的动态分析是最为可靠和有效的方法之一。
因此，本项目将设计并实现一个基于动态分析的Android恶意应用检测系统，对已安装的应用程序进行监视、分析和检测，判断其是否存在安全隐患，并及时通知用户，保障用户设备和数据的安全。
二、任务描述
1.系统需求分析
（1）研究现有的Android恶意应用检测和防御技术，分析其主要特点和优缺点。
（2）通过调研，了解用户对Android恶意应用检测系统的需求和期望，并据此确定系统的主要功能和性能指标。
（3）设计并开发可供测试使用的Android应用程序样本库，包括50个正常应用程序和50个恶意应用程序，用于后续的系统测试及性能评估。
2.系统设计和实现
（1）针对Android恶意应用程序的特点，分析其行为特征，并设计相应的检测算法。
（2）采用Java和AndroidSDK开发基于动态分析的检测系统，并编写测试代码验证系统的正确性及可靠性。
（3）完善系统的用户界面设计，使用户便于使用并随时了解当前系统检测结果，提高系统的友好度。
3.系统测试和性能评估
（1）采用系统样本库对所开发的Android恶意应用检测系统进行测试，并进行结果分析和错误统计。
（2）对系统的检测准确率、检测速度等性能指标进行评估，从而进一步优化系统的性能指标。
（3）评估系统的可扩展性和安全性，为后续系统改进和实际应用提供参考依据。
三、任务计划
1.进行Android恶意应用检测系统相关技术的学习和调研，确定开发方向和实现方法，预计耗时2周。
2.开发可供测试使用的Android应用程序样本库，预计耗时1周。
3.设计并开发基于动态分析的检测系统和用户界面，预计耗时4周。
4.进行系统测试和性能评估，预计耗时2周。
5.综合各方面工作完成情况，整理撰写项目总结报告，预计耗时1周。
四、预期成果
1.一个基于动态分析的Android恶意应用检测系统及其源代码。
2.一份详细的项目总结报告，包括系统设计、实现和测试过程，以及性能评估和问题分析等。
3.一个可供测试使用的Android应用程序样本库。
五、参考文献
[1]LiangY,YanS.AnSVM-basedapproachforefficientAndroidmalwaredetection[J].Neurocomputing,2015,166:98-105.
[2]LiP,LiT,WeiF,etal.AndroidMalwareDetectionBasedonActivityRecognitionwithConvolutionalNeuralNetwork[C]//2017IEEEInternationalConferenceonComputationalScienceandEngineering(CSE)andIEEEInternationalConferenceonEmbeddedandUbiquitousComputing(EUC).IEEE,2017:388-392.
[3]YerimaSY,ShuibL,AbawajyJH.AsurveyofAndroidmalwaredetectiontechniqueswithregardtomachinelearningclassifier[J].JournalofNetworkandComputerApplications,2019,139:33-45.