移动新闻自适应采集方法研究

通过分析面向传统新闻门户网站和面向移动新闻应用的新闻采集方法的异同,提出了一种面向移动新闻应用的自适应新闻采集方法。该方法先通过代理对移动新闻应用与服务器通信的数据包进行解析,构造出移动新闻应用的站点地图;然后通过模拟用户行为自适应地增量采集新闻数据,提高更新效率并保证新闻采集的完整性。以国内外20多家主流的移动新闻应用为实验对象开展验证,实验结果表明该方法的有效性和实时性。

基于Stacking的Android恶意检测方法研究

针对单一的数据挖掘算法对安卓恶意应用检测精度低的问题,论文提出了一种基于Stacking的Android恶意检测方法。该方法以安卓应用为研究对象,采用改进的特征提取方法来提取权限特征,训练多种基分类模型。最后,采用集成学习的思想,融合每一种分类模型产生的分类结果,训练新的分类模型。针对应用市场的真实应用的测试检测和分析结果表明:基于Stacking的Android恶意检测方法能提高恶意应用检测精度。