基于机器学习算法的Android恶意软件静态检测模型

这是我们在大三阶段完成的一个项目,项目的名称是”Android恶意广告检测软件的研究与实现”,本项目的目的是完成一个Android恶意广告检测系统,系统分为客户端与服务器端两部分,采用动态检测与静态检测相结合的方式,动态检测在本地进行,使用Android Hook技术与网络抓包等。静态检测需要将app上传到云端,然后对app进行反编译提取恶意特征,这部分用到了Android污点分析技术FlowDroid和Soot技术,一般来说,提取的敏感特征包括敏感权限,恶意API等,这些数据具有统计特性,于是可以用机器学习的思想来分析这些特征。

本项目组一共四人,我主要负责机器学习分析特征这一部分,由于以前从来没接触过有关机器学习这方面的东西,所以也是一边学习一遍完成项目。总的来说,机器学习离不开数据分析,个人理解,所有可以用数据统计的东西都能用数学(机器学习算法)的思想解决。在完成本项目的过程中,自己也对机器学习,数据挖掘分析方面有了一定的了解,下面分享一下我完成本项目的具体思路和设计。

阅读全文

基于保留格式加密技术的航班信息系统的设计思路和流程

这是我们在创新创业实践中一起完成的一个项目。本项目的名称是“基于保留格式加密技术的航班信息发布系统的设计与实现”,队伍中一共有四名成员,两名成员主要负责分析和完善算法,萌新学妹主要是学习经验,而我主要负责网站的搭建和系统功能的完善。下面说一下我具体的开发流程和思路。

阅读全文

机器学习之朴素贝叶斯

不同与决策树和逻辑回归等以往学习的分类算法,贝叶斯方法是概率框架下实施决策的基本方法。对分类任务来说,在所有相关概率都已知的理想情况下,贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。该算法的有点在于简单易懂、学习效率高,适用于可以求出概率的数据。

阅读全文

机器学习之回归算法—Logistic回归

Logistic回归是机器学习中的一种分类模型,由于其算法的简单和高效,在实际应用中非常广泛。例如,在实际生活中,当判断类似是否为垃圾邮件、病人是否得了癌症等以二值型(即1或0)输出的分类时,我们可以使用基于对数几率回归的Logistic回归。

注意:logistic又翻译为”逻辑回归”,不过其本意应为“对数几率回归”,与”逻辑”一词并无关系

阅读全文

机器学习之决策树

顾名思义,决策树是基于树结构进行决策的。一个决策树包含一个根节点、若干个内部结点和若干个叶结点构成的,叶结点对应于决策结果,其他每个结点则对应一个属性测试,每个结点包含的样本集根据属性测试的结果被划分到子结点中;根结点包含样本全集,从根结点到每个叶结点的路径对应了一个判定测试序列。

决策树学习的目的是为了产生一颗泛化能力前,即处理未见示例能力强的决策树,其基本流程遵循简单且直观的“分而治之”策略。

阅读全文

Java并发编程之CyclicBarrier原理及源码分析

最近在学习Java多线程方面的知识,从最基础的创建线程到使用 synchronized 进行线程同步,前前后后也花了近半个月的时间。不过,使用这种手动添加同步锁的方式比较麻烦,而且会降低代码的可读性。经过老师的指导,打算使用java中的线程同步工具 JUC 包来实现程序的并发执行,下面是我对其中一个工具 CyclicBarrier 的学习记录。

java.util.concurrent是一个极其优秀的、免费的并发实用程序包,它包括并发应用程序的锁、互斥、队列、线程池、轻量级任务、有效的并发集合、原子的算术操作和其他基本构件。我们一般称这个包为 J.U.C

阅读全文

Hash长度扩展攻击———对ctf中该类问题的分析

最近的比赛中经常遇到md5长度扩展攻击的题目,而且这也是目前在ctf中比较常见的攻击方式,以前在实验吧刷题时也有一道类似的题目,但当时并没有弄懂md5的内部填充结构,这次正好借此机会结合中科大ctf好好整理一下。

Ps:直到现在我才明白为什么好多大佬的安全网站在保存密码时要前后都加salt。。。orz

阅读全文


Powered by Hexo and Hexo-theme-hiker

Copyright © 2016 - 2018 Dreaouth All Rights Reserved.

访客数 : | 访问量 :