基于敏感API数据依赖的Android恶意软件检测研究的开题报告.docx

基于敏感API数据依赖的Android恶意软件检测研究的开题报告
一、选题背景
随着移动终端的普及，Android操作系统已经成为最主要的移动设备操作系统之一，其应用程序数量也呈现快速增长趋势。然而，Android平台上的恶意软件也在不断增加，随之带来了严重的安全风险。
Android恶意软件可以通过各种方式获取用户的敏感信息、操纵用户数据、执行不受用户授权的操作等，对用户的隐私和财产造成威胁。在这种情况下，及时检测和防止Android恶意软件的传播是至关重要的。
在目前的Android恶意软件检测方法中，依赖于API数据的方法受到广泛关注。该方法基于对应用程序的API使用行为进行分析，通过检测应用程序调用敏感API的情况来识别恶意软件。敏感API是指具有特定功能且可能被恶意软件利用的API，例如读取系统日历、访问通讯录、记录用户位置等。
二、研究目的和意义
Android恶意软件在绕过应用程序安全策略的过程中，通常会利用API实现对用户隐私的窃取和信息的篡改。因此，基于API数据依赖关系的Android恶意软件检测方法自然而然地成为一种重要的检测方法。本研究的目的是通过对AndroidAPI数据依赖关系的深入分析，提高对Android恶意软件的检测准确率和效率。
本文主要研究以下问题：
1.如何利用API数据依赖关系判断一个应用程序是否存在恶意行为？
2.如何优化基于API依赖关系的恶意软件检测算法，提高检测的效率和准确率？
三、研究内容和方法
1.整理Android平台的API，构建API数据依赖模型。
2.收集Androidmalware数据集和benign数据集，利用数据集提取API调用特征。
3.提出基于API调用特征的恶意软件检测算法，包括建立机器学习模型和基于规则的方法。
4.针对基于机器学习模型的算法，探讨正负样本选择、特征选择、模型评估等因素对检测性能的影响。
5.针对基于规则的算法，优化规则的选择和条件设置，提高检测效果。
四、研究预期结果
1.构建Android平台API数据依赖模型，分析API调用关系，辅助识别恶意软件。
2.建立基于机器学习模型和规则的检测算法，提高检测的准确率和效率。
3.实现恶意软件检测系统原型，并利用大量数据集进行测试和评估，证明基于API数据依赖关系的恶意软件检测方法在应用中的可行性和有效性。
五、研究计划
预计完成时间为一年。具体工作安排如下：
1.1-3个月：对Android平台API进行整理和分析，构建API数据依赖模型，收集benign数据集。
2.4-6个月：收集恶意软件数据集，提取API调用特征，建立基于API调用特征的恶意软件检测算法原型。
3.7-9个月：继续完善基于API调用特征的检测算法，并探讨正负样本选择、特征选择、模型评估等因素对检测性能的影响。
4.10-11个月：基于规则的算法优化，并实现检测系统原型。
5.12个月：系统测试和评估，并撰写论文进行总结和交流。
六、参考文献
1.ZhouY,JiangX,NingP,etal.Detectingrepackagedsmartphoneapplicationsinthird-partyandroidmarketplaces[C]//ACMConferenceonComputerandCommunicationsSecurity.ACM,2012:317-328.
2.WuW,LeeD,WuM,etal.Endroid:PrioritizingsuspiciousAndroidappsforin-depthanalysis[C]//NetworkandDistributedSystemSecuritySymposium.2013.
3.FuD,WuZ,YinH,etal.HumanbehaviorinspiredrulesforAndroidmalwaredetection[C]//NetworkandDistributedSystemSecuritySymposium.2014.
4.PengX,ZhangX,YuanX,etal.Olyx:ApracticalAndroidmalwaredetectionsystem[C]//IEEEInternationalConferenceonComputerCommunications.2014.
5.ChengX,LiuY,GongY,etal.Androidmalwaredetectionusingweightedcontext-sensitivecallgraph[C]//ACMSIGSOFTSoftwareEngineeringNotes.ACM,2016:529-530.