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
-
弱监督技术方法
当前监督学习技术已经取得了巨大的成功，但是值得注意的是，由于数据标注过程的成本太高，很多任务很难获得如全部真值标签这样的强监督信息。而无监督学习由于学习过程太过困难，它的发展缓慢。…
-
跨语言过程调用方法
本报告介绍了跨语言过程调用的基本概念，展示了基于socket、http通信和rpc框架等三种方法的网络通信式过程调用的原理，梳理了基于ctypes和pybind11等两种方法的链接…
-
提示词怎么在别人兜里：提示词窃取攻击
研究提示词窃取攻击，揭示了提示词面临的泄露风险。本次学术报告介绍了提示词的应用价值和市场体量，讲述了关于提示词窃取攻击的最新方法，指明了现有的缺陷和未来发展方向。
-
多示例多标记学习
本次学术报告主要讲解了多示例多标记学习(Multi-Instance Multi-Label learning)，主要对多示例多标记…
-
差分隐私原理及应用
大数据时代隐私泄露成为了一个严重的问题，大量的个人信息在网上传播。另一方面大数据时代对数据的可用性也有一定的要求。因此当前如何在保障用户的隐私的同时，提供一定的可用性成为一个关键问…
-
隧道流量识别研究
本文介绍两种隧道流量识别方法：DecETT方法构建不同的损失解耦隧道流协议特征和应用语义特征，实现AF检测；Graphtunnel方法构建DNS递归解析图进行DNS隧道流量监测。未…
-
DNN中的理论可解释性
自DNN诞生起，人们就开始尝试对其解释。若要对DNN进行定量、严谨的解释，数学层面的理论构建是必要的。本次报告介绍了基于博弈论Shapley Value构建的DNN可解释性理论体系…
-
面向NIDS的流量对抗样本检测
在AI攻击复杂性和密集性不断提升的大背景下，ML-NIIDS面临巨大挑战，其中流量对抗样本严重威胁其安全稳定。本次报告从NIDS的迭代发展，聚焦到对抗性安全威胁，再引出主流流量对抗…
-
基于网络一致性的对抗样本检测
人工智能系统面临着多种安全威胁，其中对抗样本攻击被广泛应用于诸如计算机视觉、自然语言处理、音频处理以及恶意软件检测等多个领域。本文介绍了常见的对抗样本检测方法和原理。特别的，简单分…
-
面向深度学习软件库的API层的漏洞挖掘方法
深度学习软件库作为构建和训练深度学习模型的基础，对深度学习软件库进行检测、挖掘软件库的代码漏洞，是保障深度学习模型的可靠性的基础之一。本次报告介绍了2种基于API层的深度学习软件库…
