基于Android的腐蚀数据实时监测手机APP软件设计与实现

Computer Science and Application 计算机科学与应用, 2019, 9(7), 1426-1433Published Online July 2019 in Hans. /journal/csahttps:///10.12677/csa.2019.97160Design and Implementation of FallMonitoring APP Based on AndroidWenwu He, Yuxiang Xiong, Jia Liu*School of Information Engineering, Wuhan Business University, WBU, Wuhan HubeiReceived: Jul. 6th, 2019; accepted: Jul. 19th, 2019; published: Jul. 26th, 2019AbstractAs China’s aging population continues to increase today, the number of “empty nesters” is in-creasing rapidly, and the safety of elderly people living alone has become one of the social prob-lems that attract much attention. In addition, most existing monitoring systems use the autonom-ous button alarm mode; however, in case of emergencies, the elderly usually enter into an uncons-cious state. Therefore, it is not possible to rely only on the buttons of the elderly to alarm, and the protection of their life safety cannot play a practical role. With the continuous development and optimization of the mobile operating system of the open source Android platform, as well as the compatibility and versatility of this operating system, it makes it possible to use the gravity sensor on Android mobile terminal for human body fall detection. When the human body falls is detected, the elderly person’s current position will be immediately located and the preset emergency con-tact person will be directly called. When the emergency contact cannot be contacted, the emer-gency number can be directly dialed to help the elderly timely rescue and treatment after falling down.KeywordsGravity Sensor, Drop to Test, Positioning, Emergency Contact基于Android的跌倒监护APP设计与实现何文武，熊宇翔，刘佳*武汉商学院，信息工程学院，湖北武汉收稿日期：2019年7月6日；录用日期：2019年7月19日；发布日期：2019年7月26日*通讯作者。

基于机器学习的安卓恶意应用检测系统的设计与实现随着移动互联网的快速发展，安卓操作系统成为智能手机最主流的操作系统之一。

然而，恶意应用的泛滥给用户的隐私和数据安全带来了严重威胁。

为了保护安卓用户的安全，设计和实现一种基于机器学习的安卓恶意应用检测系统成为了迫切需要解决的问题。

本文针对这一问题，设计并实现了一种基于机器学习的安卓恶意应用检测系统。

首先，我们从广泛的数据集中收集了大量的安卓应用样本，并对其进行了详细的特征提取。

这些特征包括应用的权限、API调用序列、敏感信息访问等。

接着，我们使用机器学习算法对提取的特征进行训练和建模，以构建一个恶意应用检测模型。

在模型构建过程中，我们选择了支持向量机（SVM）算法作为基础分类器。

SVM是一种强大的机器学习算法，能够在高维空间中进行分类和回归。

我们使用了大量的恶意应用和正常应用的样本作为训练数据，通过对这些数据进行特征提取和模型训练，得到了一个高效准确的恶意应用检测模型。

为了验证系统的性能，我们使用了另外一组未参与训练的应用样本进行测试。

实验结果表明，我们设计的基于机器学习的安卓恶意应用检测系统具有较高的准确率和召回率，能够有效地检测出恶意应用，并对用户进行及时警示。

此外，为了增强系统的实用性和适应性，我们还对系统进行了一些优化和改进。

例如，我们引入了增量学习技术，使系统能够自动学习新出现的恶意应用，并不断更新模型，提高检测能力。

同时，我们还加入了反馈机制，收集用户的反馈信息，并对系统进行动态调整和优化。

综上所述，本文设计并实现了一种基于机器学习的安卓恶意应用检测系统。

该系统通过对安卓应用样本的特征提取和机器学习算法的训练，能够高效准确地检测恶意应用，并对用户进行及时警示，提高用户的安全保护能力。

未来，我们将进一步完善系统的功能和性能，使其能够更好地适应安卓应用的快速发展和恶意攻击的变化。

Android平台恶意软件检测系统设计与实现作者：杜洪波郭光高峰徐杰来源：《软件导刊》2015年第12期摘要：基于Android平台，通过提取待测软件特征值与已知恶意软件特征库，使用相似性检测算法计算出恶意软件相似度，从而实现对未知恶意软件的检测。

详细给出了Android系统恶意软件的检测系统设计与实现，并进行了恶意软件检测结果测试。

关键词：Android；恶意软件；检测系统DOIDOI：10.11907/rjdk.1511032中图分类号：TP319文献标识码：A 文章编号文章编号：1672-7800（2015）012-0104-030 引言基于Android系统的智能手机已经成为中国智能手机市场的主导，但越来越多的恶意攻击者将利润目标转向Android系统。

从首个Android 手机的恶意软件“Android 短信卧底”开始，Android 平台上的安全问题逐渐被关注。

艾媒咨询（iiMedia Research）发布的2015Q1中国手机安全市场季度监测报告[1]中称，截至2015第一季度，中国手机安全应用用户规模达4.72亿，相较于2014第一季度，用户规模增长0.65亿。

360在2015年1月份发布的2014年中国手机安全状况报告[2]中指出，2012年恶意程序样本只有12.4万；而到了2013年，恶意程序样本数量达到了67.1万；2014年，恶意程序样本数量竟然达到了326万，是2012年的26倍之多，如图1所示。

图1 2012-2014Android平台恶意软件数量本文基于Android平台，通过提取待测软件特征值与已知恶意软件特征库，使用相似性检测算法计算出恶意软件相似度，从而实现对未知恶意软件的检测。

文中详细给出了Android系统恶意软件的检测系统设计与实现，并进行恶意软件检测结果测试。

1 Android平台结构Android是谷歌公司推出的完全免费和开放性的智能手机操作系统，是一种专门为移动电话、平板电脑等设计的操作系统。

基于Android的沉降观测系统的设计与实现沉降观测是精密工程测量的一个重要组成部分，其广泛应用于高速铁路线下工程、地铁、建筑物的变形监测领域之中。

传统的沉降观测方法存在测量数据质量低、成本高效率低、异常数据反馈滞后等缺陷。

为了解决这些缺陷，对基于Android系统应用开发、蓝牙通讯技术、平差算法、数据加密技术等方面的分析与研究，设计实现了一套沉降观测系统。

系统是基于Android的沉降数据采集与数据管理软件，能够通过串口转藍牙设备遥控电子水准仪进行沉降观测，并将测量数据加密存储在SQLite数据库中，减少外界因素的影响，从而提高数据质量；测量过程中通过文字和语音的方式实时进行超限提示，并且可在测量任务结束后立刻进行精密平差，测量人员在现场立刻能够判断是否存在异常数据，内外业一体化的同时加快了异常数据的反馈速度。

标签：沉降观测；蓝牙；Android；SQLite；AES引言沉降观测是精密工程测量中的一种，具有工作量大、重复性作业多、观测周期长、精度要求高、数据影响大等特点。

传統的沉降观测方法作业方式使测量人员利用水准仪进行外业数据采集，测量结束后室内利用精密平差软件进行数据平差处理，然后将平差结果文件导入评估软件实现对数据的统计分析与管理，这种作业方式存在测量数据质量低、内外业隔离、异常数据反馈滞后等诸多问题。

一种测量数据质量高、内外业一体化、具备异常数据快速反馈机制的沉降观测系统亟待研发。

1 系统分析1.1 传统沉降观测方法缺陷分析传统的沉降观测方法测量数据质量低、成本高工作效率低、异常数据反馈滞后，这些缺陷已经对沉降观测生产造成越来越大的负面影响。

1.1.1 测量数据质量低外业数据采集结束后，需要专职的内业人员进行数据平差计算和成果汇总，这个过程出现操作失误不易发现；另外由于数据导出过程难以监督，测量人员对不合格数据进行修改成为可能，甚至会出现人为编造数据以假乱真的现象。

沉降观测数据采集通过水准仪获取，临时存储于仪器，或手工记录以保存数据，再通过手工导入或录入平差软件等可用于数据处理的软件中进行人工数据处理分析，数据处理全程处于人工干预状态[1]，最终导致的结果是数据的真实性难以得到保障，数据质量低。

重庆大学本科学生毕业设计（论文）基于Android的物联网监控手机软件设计学生：学号：指导教师：专业：电子信息工程重庆大学通信工程学院二O一二年六月Graduation Design(Thesis) of Chongqing UniversityDesign of Android-Based Internet of things monitoring phone softwareUndergraduate: He FengSupervisor: LingMajor: Electronic Information EngineeringCollege of Communications EngineeringChongqing UniversityJune 2012摘要2007年美国Google公司向外界展示Android操作系统，将Android手机的兴起推向高潮。

Andriod系统的各大优点运用到了诸多领域，同时Android软件运用具有面向对象思想的Java语言编写，极大的促进了软件的灵活性。

另一方面，物联网也是新一代的高端技术，运用Android的高性能优点，将其运用到物联网监控中定会是一项非常前沿的技术。

本文将介绍如何用Android 软件实现对物联网监控端进行实时监控。

该系统分为硬件端(监控端)和软件端(手机端)，其硬件端主要通过STM32单片机实现，通过温度传感器，加速度传感器以及脉搏心跳传感器，对人体的体温、姿态、心跳速率及脉搏速率进行测量，并通过GPRS模块或串口采用三种法式(包括短信，WIFI和J2EE服务器)传送监控数据到手机端。

软件端主要采用Java语言编写，实现对数据的处理、显示以及备份等功能。

三种通信方式各有所长。

对于整个系统，已基本实现预期功能，同时也能对其进行拓展，例如手机与监控端的相互交互等。

对于后续的研究工作希望能和读者一起探讨。

关键词：Android，物联网，热点，监控ABSTRACTIn 2007, Google's Android operating system to show the rise of the Android phone to a climax. The major advantage of the Andriod system applied to many fields, while the use of the Android software written in Java language, object-oriented thinking, to promote the flexibility of the software. Internet of Things, on the other hand, is a new generation of high-end technology, the use of high-performance advantages of Android will be applied to the monitoring of Internet of Things will be a very cutting-edge technology. This article describes how to use the Android software to achieve real-time monitoring of Things monitoring client.The system is divided into the hardware side (control side) and the software side (mobile terminal), the hardware side by STM32 microcontroller, temperature sensor, accelerometer, and the pulse of the heartbeat sensor, body temperature, posture, heart rate, and pulse rate measurement, and three French (including SMS, WIFI, and a J2EE server) to send control data to the mobile terminal through the GPRS module or serial. Software side using the Java language to write the data processing, display and backup functions.For the entire system has been basically achieve the desired functionality, but also to expand, such as mobile phones and monitor the client interact with each other. And readers to discuss follow-up research.Key words：Android, Internet of things, Wifi, monitor目录中文摘要 (Ⅰ)ABSTRACT (Ⅱ)1绪论 (1)设计背景 (1)国内外研究现状综述 (1)设计特点 (2)设计功能概述 (2)物联网监控端的硬件 (2)Android应用程序 (3)2 相关技术及开发工具简介 (4)Java语言简介 (4)Java技术的特点 (4)Java ME简介 (5)Java EE简介 (5)Android系统简介 (6)Java及Android开发工具简介 (7)MyEclipse集成开发环境 (7)Android SDK (7)Android ADT (8)3 基于Nios II的物联网监控端设计 (9)系统结构 (9)硬件结构 (10)软件结构 (10)监控端硬件设计 (11)信息采集端硬件设计 (11)信息接收与传输硬件设计 (12)监护端硬件设计 (12)监控端软件设计 (13)体征信息采集端的软件设计 (13)体征信息接收与传输端软件设计 (15)4 基于Android的手机软件设计 (16)设计概述 (16)研究目标 (16)需求分析 (16)基于UDP协议的Wifi通信设计 (17)UDP协议简介 (17)PC端串口程序设计 (18)数据包的解析法则 (20)UDP发送及接收程序设计 (22)热点的配置 (23)短信接收及解析设计 (25)短信接收程序设计 (25)文件的存储与读取 (26)基于J2EE的网页监控设计 (27)Tomcat服务器简介 (27)基于Serverlet的网页设计 (27)基于JDBC技术的MySQL数据库操作 (28)手机端嵌入网页的设计 (29)系统架构及界面设计 (29)系统程序文件结构及功能 (29)系统界面设计 (29)5 总结 (31)参考文献 (32)附录A：手机端程序主要源代码 (33)1 绪论近年来,Android手机兴起的趋势无法阻挡,而至今年Android手机已占据全球智能机市场48%的份额，并在亚太地区市场占据统治地位，在我国更是高达58%，终结了Symbian的霸主地位，跃居全球第一，在今后一段时间内Android 将更广泛的普及和发展。

Android应用安全检测系统的设计与实现开题报告一、选题背景及意义随着Android操作系统在全球范围内的广泛普及，越来越多的应用程序（App）被开发并发布在各个应用商店。

尽管大部分应用程序并没有安全问题，但是在一些应用程序中存在着安全隐患，例如信息泄露、恶意软件、隐私泄露等，给用户的合法权益带来极大的损害。

这些问题的存在也使得越来越多的企业和组织开始关注应用程序的安全问题，希望能够通过一些手段来保障用户的合法权益和自身的安全。

因此，设计一个Android应用安全检测系统可以辅助用户进行应用程序安全检测，从而能够识别和评估应用程序中存在的安全问题，降低用户的安全风险和提高用户的安全保障水平。

同时，这也可以为企业和组织提供更好的安全保障，使得他们更加放心地使用和推广应用程序。

二、选题内容本文将介绍一个Android应用安全检测系统的设计与实现。

该系统可以在用户提交应用程序的情况下，对应用程序进行检测分析，从而分析出应用程序中存在的安全问题，并给出相应的安全评估结果，以及具体的修复建议。

具体内容包括以下方面：1. Android应用程序中存在的安全问题和相关安全保护技术概述。

2. Android应用程序安全检测技术研究，包括应用程序漏洞扫描、安全代码审计等方面的技术。

其中，应用程序漏洞扫描将采用静态代码分析的方式，通过扫描应用程序的源代码和二进制文件，来判断应用程序中是否存在安全漏洞；安全代码审计将采用手动审计和工具审计相结合的方式，对程序代码进行审查。

3. Android应用程序安全评估技术研究，包括基于权限分析和数据流分析的技术等。

其中，权限分析技术将通过分析应用程序所申请的权限来判断应用程序的安全性；数据流分析技术将通过追踪应用程序的数据流动路径来评估应用程序的安全性。

4. Android应用程序安全检测系统的设计与实现，包括系统架构设计、模块设计和开发、用户界面设计等方面内容。

同时，本文还将介绍该系统的核心算法和技术实现，以及相应的测试和评估结果。

摘要摘要近年来，Android智能手机日益普及，伴随着3G、4G网络的兴起和发展，智能手机已经成为了人们日常工作、生活必不可少的部分。

智能手机实现了网上支付、网上理财等功能。

智能手机功能越强大，潜在危机越多。

而不法分子正是看到了这些潜在危机，着手谋取利益，企图盗窃用户隐私信息及钱财，恶意软件则充当了这些不法分子的犯罪工具。

Android系统的开源性也助长了恶意软件的产生，给用户带来安全问题。

本文在充分研究恶意软件行为特征以及当前恶意软件检测方法的基础上，提出了基于隐Markov模型的Android系统恶意行为检测方法。

在检测的方式上选择了以软件行为作为检测要素的动态检测方法，避免了其他恶意软件检测方法的不断更新恶意代码库问题，同时也可以对未知的恶意软件进行检测。

在检测内容上本文的研究注重于短信、电话、网络、位置信息，这些都给用户的隐私构成了较大的威胁。

检测模型采用了基于隐Markov模型，利用评估方法实现对恶意软件的判断。

同时利用隐Markov模型良好的学习能力，实现了机器自主学习的功能。

通过不断的学习来提高对恶意软件判断的准确性。

在实现检测方法中，本文建立了以用户判断为基础的检测模型。

在模型参数选择时，为了体现用户使用习惯，在平衡对恶意行为检测的效率和对系统资源的占用这两个因素的前提下，本文选取了若干能够反映用户使用习惯的行为参数来建立模型。

考虑到智能手机硬件配置的局限性，为了降低对系统资源的占用率，实现了轻量级的恶意行为检测软件。

本系统的亮点如下：1.模型的参数不需要通过第三方的分析软件来获得，仅借助于Android系统自身的广播机制和优良的框架层监控体系来实现参数的获取。

2.基于Android系统的广播机制来实现软件行为获取，实现了系统不用常驻后台运行，只有收到相关广播时才启动。

3.在判断模型中，除了系统自动判断还加入了用户的判断：设立黑白名单，不仅提高了在判断恶意行为时的效率，也提高了检测方法的灵活性，同时还降低了对系统资源的占用率。