基于并行计算弱KMP模式挖掘算法的Android恶意应用检测的中期报告.docx

基于并行计算弱KMP模式挖掘算法的Android恶意应用检测的中期报告
1.研究背景和意义
随着Android手机的普及，恶意软件也愈发猖獗。恶意应用的威胁主要体现在窃取个人信息、发送短信诈骗信息、拨打电话、恶意下载/安装其他软件和收取高昂费用等方面。因此，及时发现和检测恶意应用变得极为重要。
目前，恶意应用检测主要采用静态分析和动态分析两种方法。静态分析是通过对应用程序的代码进行分析，来检测程序是否存在恶意行为。而动态分析则是在真实或模拟环境下对应用程序进行运行，并监测程序的行为来判断其是否来自恶意应用。
但是，静态分析存在着无法对加密/混淆代码进行逆向分析和检测效果受限的问题；动态分析受限于大量耗费的时间和资源，因此，如何寻找一种高效、快速的检测方法，成为恶意应用检测领域的研究难点。
本研究将探究基于并行计算弱KMP模式挖掘算法的Android恶意应用检测方法，旨在提高检测效率，减少时间和资源消耗，为安卓手机用户提供更加安全的使用环境。
2.研究内容和进展
在前期研究中，我们主要进行了算法的设计和初步实现。具体来说，我们设计了一种基于并行计算弱KMP模式挖掘算法的恶意应用检测方法，其主要思想是基于弱KMP算法进行模式匹配，通过GPU并行计算来提高匹配效率。我们还编写了相应的程序，并使用恶意应用数据集进行了测试。实验结果表明，我们的算法具有较高的检测效率和较低的误报率。
目前，我们正在进行进一步的实验和优化工作。具体来说，我们计划对模型进行优化，以提高检测准确率；同时，我们将尝试使用更加庞大的数据集对算法进行测试，以进一步评估算法的效果。
3.研究展望
未来，我们将继续基于并行计算弱KMP模式挖掘算法进行恶意应用检测领域的研究。具体来说，我们将重点关注以下几个方面的工作：
(1)对算法进行优化，以提高算法的检测精度和效率。
(2)探究并行计算在恶意应用检测中的应用，寻找更加适合于Android恶意应用检测的方法。
(3)设计和实现更加灵活、高效的恶意应用检测系统，以提供更为全面、专业的服务。
综上所述，本研究对于提高Android恶意应用检测的效率和准确率具有重要的意义，也为恶意应用检测领域的发展和完善提供了有益的研究思路。