Android应用在开发和发布初期可能存在各种原因导致的隐藏安全风险，这些安全风险如若不进行检测和修复，会给用户和开发者带来巨大的损失，因此需要对Android应用进行全方位的检测，暴露应用的风险点然后修复，使应用受到全方位保护。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2017/11/20/android%e5%ba%94%e7%94%a8%e5%ae%89%e5%85%a8%e6%a3%80%e6%b5%8b/
首届全国研究生信息安全与对抗技术竞赛
上一篇
2017年11月18日
异常检测算法
下一篇
2017年11月27日
相关推荐
-
深度学习系统的自动化测试简介
深度学习（DL）在图像分类、语音识别等领域达到或超过了人类水平的性能，且被广泛应用于安全关键领域中（自动驾驶、恶意软件检测等）。然而一些原因（如训练数据偏差、模型过拟合或欠拟合），…
-
时空数据挖掘
物联网技术和人工智能的快速发展，含时间、空间特性的数据指数增长。如何进行多源异构时空数据本身特性出发，和机器学习深度学习技术深入融合，实现数据实现知识发现和信息挖掘，服务于城市发展…
-
大模型也不安全-小心信息被泄露
研究大模型隐私泄露攻击，揭示了大模型面临的隐私信息泄露风险。本次学术报告介绍了大模型的应用价值和市场体量，讲述了关于大模型隐私泄露攻击的最新方法，指明了现有的缺陷和未来发展方向。
-
极端多标签文本分类
极端多标签文本分类旨在为每个文本分配大量可能的标签，处理标签数量巨大和数据稀疏性问题。该技术通过高效的特征选择、标签嵌入和深度学习模型，提高分类准确性和速度。极端多标签文本分类广泛…
-
DQN深度强化学习算法
本次学术报告主要给大家详细的介绍DQN算法原理及其调参细节，并且进行举例说明和总结以加深大家的理解。
-
active self-paced learning
在机器学习中获得标注数据是一个重要的部分。但是在一些专业领域，标注成本高,成本高，导致了获得标注数据困难。主…
-
异常检测算法
iForest （Isolation Forest）孤立森林 是一个基于Ensemble的快速异常检测方法，具有线性时间复杂度和高精…
-
卷积神经网络在图中的应用
卷积神经网络可以有效提取空间特征，但是它研究的对象还是限制在具有规则空间结构的欧几里得数据。本次学术报告重点…
-
模型窃取
机器学习，尤其是神经网络，已广泛部署在行业环境中，模型通常被部署为预测服务。但是，具有对模型的查询访问权的对手可以窃取该模型以获得与远程目标模型基本一致的替代模型，这就是模型窃取攻…
-
DEEP-GAUSSIAN-MIXTURE-MODEL
近年来，尽管针对监督任务的深度模型取得了巨大成功，但机器学习和统计学界对深度聚类方 法的研究有限。在这次学术报告中，我们将讨论深度高斯混合聚类，一个由经典高斯混合模型推广而来 的强…
