基于安卓智能手机的高精度定位系统研发及测试

针对常规外业坐标数据采集方式存在的问题,结合高精度位置服务便捷化应用需求,设计并研发了一套基于安卓智能手机的高精度定位系统,通过融合卫星导航定位基准站差分定位与步行者航位推算算法,并制定多种观测环境差异化测量策略,以获取连续的高精度定位结果。基于华为P40、小米8等四款安卓智能手机,进行了广覆盖(湖南省14个市(州))、多场景(开阔、遮挡)的定位精度测试,用于验证系统的可用性和可靠性。测试结果表明,系统在不同智能手机、不同场景中均能稳定有效运行,华为P40的平面定位精度最优,在开阔环境下,最高可达0.2m左右。系统已全面应用于湖南省农村住房规划建设“三到场”环节。

基于安卓MVC架构的体育用品商城的设计与实现

为使消费者与商家之间更方便快捷地交易体育用品,文章基于Java和MySQL数据库,为智能手机用户开发了安卓平台下的体育用品商城。系统的后台管理员操作用户、体育用品、订单和物流等相关信息,前台用户完成注册登录、浏览搜索体育用品和下单购买等操作。

安卓智能终端自动化测试技术综述

随着新一代移动通信技术和芯片的发展,智能移动终端用户规模不断增加。为了快速抢占市场,开发商缩短了智能终端的开发周期,这对应用系统的可靠性、稳定性等提出了更高的要求,而自动化测试技术是保障这些智能终端高可靠、强稳定运行的重要手段。结合目前主流智能终端的架构特点和组件特征,分别探讨了安卓系统的黑盒测试技术和白盒测试技术。在黑盒测试方面,比较分析了最新的用户界面测试和模糊测试技术以及工具使用情况,评价了它们在保证应用系统可靠性和稳定性方面的效果。在白盒测试方面,总结了自动生成测试用例技术、动静态的污点分析技术、第三方库检测技术和权限检测技术。随着人工智能大模型等新兴技术不断涌现,越来越多的智能终端设备开始搭载各种深度学习模型,这些模型的不透明性使得内部决策过程难以解释和理解,从而黑盒测试在评估模型可靠性和稳定性过程中越发重要。自动化测试正在面临从传统规则基础下的测试向更加智能的机器学习驱动的测试转变。未来将人工智能大模型等新兴技术引入到现有的智能终端测试实践中,成为解决这一问题的必然趋势。

基于Swin-Transformer的可视化安卓恶意软件检测研究

为了更好地利用深度学习框架防范安卓平台上恶意软件攻击,提出了一种新的应用程序可视化方法,从而弥补了传统的采样方法存在的信息损失问题;同时,为得到更加准确的软件表示向量,使用了Swin-Transformer架构代替传统的卷积神经网络(CNN:Convolutional Neural Network)架构作为特征提取的主干网络。实验采用的数据集中的样本来自Drebin与CICMalDroid 2020数据集。研究结果表明,新提出的可视化方法优于传统的可视化方法,检测系统的准确率达到97.39%,具有较高的恶意软件识别能力。

e云救护——基于安卓系统的公益求救平台

本文针对人口老龄化和突发疾病增多等社会现象,提出一个基于安卓的公益急救平台,该平台通过移动App发起急救信号,利用LBS自动定位,匹配距离较近的非工作状态医务人员,实现紧急救援。同时,利用加密技术,实现对用户个人信息和隐私的高度保护。通过研究,介绍公益急救平台的优势,为互联网医疗领域提供有益的实证支持。

基于安卓平台的LED智能蓝牙灯控系统设计

智能蓝牙灯控系统的硬件部分采用ATmega48单片机作为MCU控制核心,以ATK-HC05作为蓝牙传输模块,设计通信模块接口电路。软件部分基于安卓平台的App作为控制终端,采用RFCOMM串行线性仿真协议,确保数据传输的完整性,设计整个无线通信程序,实现各种光模式的开关控制、亮度控制和模式转换。经测试该方案切实可行,并具有操作方便、成本低廉的优势。

基于安卓系统的高耸建筑物爆破药量速查软件的开发与应用

近年来,军队在参与抗震救灾行动中,需要对水塔、烟囱等高耸建筑物进行爆破拆除。但是由于多数官兵缺乏类似爆破工程实践经验,难以在现场对其爆破药量进行精确计算。通过Java开发语言进行编程开发,在Android平台的系统架构基础上,设计并开发一款简单易查、过程清晰、结果直观的高耸建筑物爆破药量速查系统应用(APP),用户可通过在安卓设备可视化界面上输入爆破对象的初始变量,计算出爆破设计的装药量,同时为用户提供大量爆破实例的经验数据和历史查询数据,帮助使用者快速结合现场情况对爆破药量进行调整、设计,使爆破设计更加科学精确。通过不同环境下的软件性能测试和爆破实例证明,本系统应用简单易操作,可靠性较高,实用性较强,错误率低,基本达到了高耸建筑物拆除爆破设计时安全方便、准确高效等要求,为部队官兵在使用中提供较大便利。

安卓车机车控功能自动化测试研究

文章首先分析安卓车机的车控功能测试的特点,继而提出一种基于Python的自动化测试方法。该方法采用数据驱动测试的思路,通过调用Python-can库、CANTools库和UiAutomator2库,实现CAN信号与车机HMI界面的交互测试。该方法灵活性高,简单易用,可以较大地提高车机测试的效率。

基于安卓系统和人工智能的数智化高职教育系统的设计与实现

针对当前数智化教学模式在高职教育中普及不足、应用不充分的问题,设计一款基于安卓系统和人工智能的数智化高职教育系统。该系统构建了完备的人工智能辅助教育体系,利用知识图谱、人工智能和大数据技术,有效整合学科知识体系,并精准刻画学生画像,以便为学生提供个性化实训功能,使学生能够随时随地获得数智化实训,从而实现高职教育过程的随身化和智能化。这一创新举措将有力推动高职教育数智化教学模式的进一步普及和有效应用。

安卓版Blackmagic Camera发布

Blackmagic Design日前发布了安卓版Blackmagic Camera,将大幅改进拍摄效果,拍摄成果可用于影视制作。安卓版Blackmagic Camera采用和Blackmagic Design获奖摄影机一样的操作界面,直观易懂且对用户友好,可提供如同使用专业级数字电影摄影机一般的操控体验。通过简单的手指点按操作,就可以调整帧率、快门角度、白平衡以及ISO等设置。同时,还支持使用行业标准文件格式直接录制到Blackmagic Cloud,上至8K。

基于改进的MobileNetV2模型的安卓恶意家族分类方法研究

针对人类视觉系统对颜色的高度敏感特点,提出一种基于改进的MobileNetV2模型的安卓恶意家族分类方法。该方法通过引入注意力机制,对RGB图像的3个通道进行特征融合,提高模型对图像颜色信息的敏感度。同时,针对小样本数据集的问题,提出一种改进的模块结构,减少模型的深度和宽度,以提高模型对小样本数据集的特征提取能力。将SE(squeeze-and-excitation network)注意力机制与CBAM(convolution block attention module)注意力机制融入模型进行对比,实验结果表明:CBAM注意力机制在该图像分类任务中表现出显著的优越性,准确率达到94.18%,比原有模型提高了3.16%,验证了该方法的有效性和实用性。该研究对于小样本数据集的图像分类任务的准确性和实际应用中的性能有重要意义。

基于异质信息网络的安卓虚拟化程序检测方法

考虑到安卓应用虚拟化技术的功能特性,精确检测安卓虚拟化程序是识别其隐藏安全风险的基础和必要前提。为此,提出了基于异质信息网络的安卓虚拟化程序检测方法,并实现了原型系统Aiplugin。根据安卓虚拟化程序的特点,提取四类静态程序特征,并将程序特征映射到异质信息网络上,以元路径的形式将不同程序关联起来。采用异质图注意力网络表征算法和OC-SVM算法,融合不同视图的程序语义信息,实现对安卓虚拟化程序的表征和分类。实验结果表明,相较于当前的代表性工具VAhunt,Aiplugin可有效检测包括平行空间等更多类型的安卓虚拟化程序。

基于预训练语言模型的安卓恶意软件检测方法

近年来,基于有监督机器学习的安卓恶意软件检测方法取得了一定进展。但是,由于恶意软件样本搜集困难,带标签的数据集规模一般较小,导致训练出的有监督模型泛化能力有限。针对这一问题,提出无监督和有监督相结合的恶意软件检测方法。首先,使用无监督方法预训练语言模型,从大量无标记APK样本中学习字节码中丰富、复杂的语义关系,提高模型的泛化能力。然后,利用有标记的恶意软件样本对语言模型进行微调,使其能更有效地检测恶意软件。在Drebin等实验数据集上的实验结果表明,相比基准方法,提出的方法泛化能力更好,检测性能更优,最高检测准确率达98.7%。

融合MAML和CBAM的安卓恶意应用家族分类模型

为满足对新兴安卓恶意应用家族的快速检测需求,提出一种融合MAML(model-agnostic meta-learning)和CBAM(convolutional block attention module)的安卓恶意应用家族分类模型MAML-CAS。将安卓恶意应用样本集中的DEX文件可视化为灰度图,并构建任务集;融合混合域注意力机制CBAM,设计两个具有同等结构的卷积神经网络,分别作为基学习器和元学习器,这两个学习器在自动提取任务集中样本特征的同时,可从通道和空间两个维度来增强关键特征表达;利用元学习方法MAML对两个学习器进行训练,其中基学习器完成特定恶意家族分类任务的属性学习,元学习器则学习不同任务的共性;在两个学习器训练完成后,MAML-CAS将获得初始化参数,在面对新的安卓恶意应用家族分类任务时,不需要重新训练,只需要少量样本就可以快速迭代;利用训练完成的基学习器提取安卓恶意应用家族特征,并利用SVM进行恶意家族分类。实验结果表明,MAML-CAS模型对新兴小样本安卓恶意应用家族具有良好的检测效果,检测速度较快,并具有较好的稳定性。

基于物联网的调速器试验台安卓端开发

为了优化对柴油机电子调速器试验台运行数据的测量、处理,减少内燃机现场标定的成本,提高试验数据的实时性和准确性,实现实验人员和检修人员对试验数据的远程操作和管理以及对柴油机运行状况的检查,开发出一套一体化远程标定系统具有重要意义。文章基于传统电子调速器试验台,结合物联网技术和Android平台,设计一款适用试验台数据远程传输和管理的系统软件,使试验人员利用安卓移动端即可对试验台的运行情况进行监控,实现了调速器试验台在测试过程中数据的即时性和便携性,达到数据信息在各级各层之间高效、可靠传输,简化了测试中是数据存储过程,提高了对数据的快速检索能力。

图卷积网络的抗混淆安卓恶意软件检测

自安卓系统发布以来,由于其开源、硬件丰富和应用市场多样等优势,该系统已成为全球使用最广泛的手机操作系统.同时,安卓设备和安卓应用的爆炸式增长也使其成为96%移动恶意软件的攻击目标.在现有的安卓恶意软件检测方法中,忽视程序语义而直接提取简单程序特征的方法,其检测速度快但精确度不够理想,将程序语义转换为图模型并采用图分析的方法,其精确度虽高但开销大且扩展性低.为了解决上述挑战,将应用的程序语义提取为函数调用图,在保留语义信息的同时,采用抽象API技术将调用图转换为抽象图,以减少运行开销并增强鲁棒性.基于得到的抽象图,以TripletLoss损失训练构建基于图卷积网络的抗混淆安卓恶意软件分类器SriDroid.对20246个安卓应用进行实验分析后发现:SriDroid可以达到99.17%的恶意软件检测精确度,并具有良好的鲁棒性.

基于安卓的智能生产线移动控制系统设计与实现

在大数据、人工智能等信息技术的加持下,随着制造业向智能化、高端化转型的进程不断加快,智能生产线已经成为一项成熟技术。为促进智能生产线安全高效运行,须设计和使用远程移动控制系统。基于安卓平台设计了智能生产线移动控制系统,该系统具有生产线设备浏览、设备状态显示与远程控制、设备消息订阅等功能。文章在概述系统基本功能设计原理的基础上,使用Android Studio开发软件和Java语言编辑程序,保证了系统功能的实现,以便于管理人员实时监视和远程控制智能生产线。

基于卷积神经网络的安卓恶意软件检测框架

如今,智能手机已成为人们日常生活中不可或缺的一部分。智能手机在给人们的生活带来便利的同时,也带来了一定的安全隐患。针对安卓生态系统的恶意软件,提出了一种基于卷积神经网络的恶意软件检测系统。通过实验,验证了采用这种方法识别恶意应用软件的有效性。所提出的算法的精确度达97.28%,优于传统的机器学习算法,具有一定的实用价值。

基于合成图像和Xception改进模型的安卓恶意家族分类方法

针对安卓恶意家族检测领域存在的代码可视化方法构造的信息不充分、分类效果受数据集数量影响大、分类准确率低等问题,提出了一种基于多特征文件合成图像和Xception改进模型的安卓恶意家族分类方法。首先,选用3个特征文件对应RGB多通道合成彩色图像;然后,改进Xception模型引入focal loss函数,缓解由样本不均衡分布带来的负面影响;最后,将注意力机制融合至改进模型,从不同维度提取恶意代码图像特征,提升了模型的分类效果。实验结果表明,所提方法合成的恶意代码图像包含的特征更丰富,相比主流的恶意家族分类方法准确率更高,且对于数量分布不平衡的数据集具备更好的分类效果。

基于安卓的定扭矩电动扳手远程监控系统设计

针对当前高压铁塔螺栓紧固质量要求严格、检测成本高等问题,设计了一个实时监控定扭矩电动扳手施工质量的远程监控系统。该系统使用PIC单片机作为主控芯片设计了高精度定扭矩扳手,同时采用蓝牙模块实现数据无线传输,制作了基于安卓系统的对应功能APP接收扳手工作数据并上传至数据库保存,远端监察人员使用网页端后台管理系统实现数据实时监测。测试结果表明该系统操作简单、定扭矩扳手工作精度高、能够实时监控扳手施工质量,有效提高高压铁塔安全性。