摘要：移动平台上的应用软件私密信息泄露漏洞关注违背用户意愿的接口或数据暴露,而泄露形式和内容的复杂性增添了该类漏洞的检测难度.现有方法主要利用传统的静态数据流分析及动态监控等技术,易发生漏报和误报,且无法处理隐式信息泄露问题.该文首次将基于线性时序逻辑(Linear Temporal Logic,LTL)的模型检测技术应用于移动软件信息泄露检测上,提出了一种基于安全要素语句插装的泄露检测方法.文章首先针对代码中的安全要素提出一种信息泄露抽象关系模型;其次设计驱动生成规则和插装算法,在目标应用上生成可规约系统;继而设计具有通用意义的LTL泄露检测属性并利用符号执行技术优化检测算法;最后构建支持移动平台的模拟方法库,开发了原型检测系统(Leakage Finder of Android,LFDroid).公开数据集实验及对比分析表明,该文方法可以为含有隐式信息泄露数据集提供更为精确的漏洞检测,相较于传统方法准确率和召回率均具有明显优势,除此之外亦发现了3个真实移动应用的5个隐式泄露漏洞威胁.

摘要：视听类移动应用软件已经成为网民收听收看网络视听节目的重要渠道之一。本文针对部分软件违规传播淫秽色情、血腥暴力等节目,违反国家相关管理政策,提出基于网络爬虫搜索数据和人工研判内容的思路,设计和实现具有视听类移动应用软件自动抓取、安装文件下载、节目内容研判、传播情况机器核查等功能的监看系统。

摘要：针对移动应用软件流量呈动态变化趋势,导致检测结果不精准的问题,提出基于GRU神经网络的移动应用软件流量检测方法。基于GRU神经网络多层结构构建GRU神经网络检测模型,将恶意软件和非恶意软件流量特征转化为区域特征向量,根据特征转化结果降维处理入侵威胁数据,获取待检测恶意软件入侵训练集和测试集,完成移动应用软件异常流量辨识。根据辨识结果建立病毒库,设计GRU神经网络隐层单元结构,有效地捕获流量动态变化信息,划分异常流量入侵等级,实现移动应用软件流量检测。由实验结果可知,该方法在对应用软件进行流量检测时得到的结果与实际结果一致。在应用软件40~80天时检测出流量使用异常情况,使用流量为1050 MB,其余时间的流量使用正常,具有精准的软件流量检测效果。

摘要：本文构建汉字学习移动应用软件——Hanzi Road,在"玩转中国"的文化主题之下,提供系统的汉字学习材料,兼顾汉字造字理据和学生记忆能力,设计完备的强化训练,让学习者更便捷、准确地进行汉字学习。

摘要：该文作者基于色彩地理学的色彩提取流程与方法,在收集大量与研究对象环境相关的资料后,通过封闭式卡片分类法,选出与主题意象相关度较高的自然环境、人文环境和人工环境的高清图作为研究素材,运用移动应用软件提取图像色彩,获取色彩数据值,从而为历史文化街区的色彩设计带来启示。该文将色彩地理学理论与移动应用软件相结合,构建了一套有效的色彩提取流程与方法模型,提炼出具有街区代表性的色彩,显著提高了设计师的工作效率和色彩设计表达效果,同时为其他历史文化街区的色彩提取提供了借鉴。

摘要：应用软件在移动终端系统运行中会占用一定系统资源,但用户却无法直接对其监控。为保证其对资源使用的技术上优化和逻辑上合理,需要一个能够在应用运行的过程中,实时地将其对操作系统资源耗费情况展示出的系统,即应用软件调用系统资源监控系统。从总体设计、运行设计和系统出错处理设计三个角度出发,介绍整个测试系统的设计思路。