基于机器学习的Android系统漏洞扫描处理系统设计
由于近年来,随着无线网络的普及和4G向5G网络过渡时代的到来,移动手机凭借其简单易用、便于携带等特点迅速取代笔记本电脑、台式电脑等其他移动设备成为使用率最高的个人上网设备.同时,线下生活与移动互联网大部分重叠,比如购物、支付、物流、银行、外卖等业务都可以通过手机设备来实现.研究公司Gartner最近发布了一份数据,数据显示去年在全世界销售的智能手机中,有大约99.9％的设备都是基于Android或iOS平台的,可以看出其他系统的移动设备在市场上已经没有太多的份额.作为在移动设备市场领域占有率高达87.5％的Android手机,针对其漏洞扫描处理的研究对于保护个人隐私信息和财产安全具有重要意义.研究在Android平台的第三方app漏洞挖掘方法有利于及时发现并修补Android平台漏洞,同时便于提高Android平台的安全性.第三方app漏洞有可能是应用开发者无意或是有意留下一些漏洞,这些漏洞利用现在的木马程序通常不是一个独立的程序,而是把恶意代码注入用户使用频率高、并不会引起人警觉的app中蒙蔽用户,让用户认为与其他应用没有区别,比如上文中提到的实现购物、支付、物流、银行、外卖等功能的第三方app中,窃取用户信息和资源.恶意软件能给用户隐私带来的威胁非常普遍,但是一些看似普通的软件也达不到没有恶意行为的要求.因此,为了保障手机用户的信息和资源开发手机漏洞扫描软件保护用户安全十分必要.
5G网络、移动手机、app漏洞、恶意代码、用户信息安全
15
TP311(计算技术、计算机技术)
2019-10-29（万方平台首次上网日期，不代表论文的发表时间）
共3页
20-22
