apktool下載的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於機器學習Android混合式惡意程式檢測之研究

為了解決apktool下載的問題，作者劉宗評 這樣論述：

隨著智慧型手機的普及，Android佔有龐大的使用者，Android允許下載與安裝其他非官方市場的應用程式，所以吸引了惡意程式開發者的注意。目前針對Android惡意程式檢測之研究論文大致可分為靜態分析、動態分析和混合式分析等三種模式。而大部分的論文所提出多種不同提升準確率的方法，實驗部分各方法所檢測樣本不同，在比較方面可能會導致誤差產生。經過分析探討後，我們發現Permission是開發Android非常重要的一部分，例如：手機的儲存資料、撥打電話、上網等等。同時API(Application Program Interface)的部份是使用沙箱執行Android應用程式，記錄Androi

d的執行流程與使用的API。因此本論文使用Android的Permission與API當作兩種特徵來執行機器學習形成可以檢測惡意程式的模組。最後根據相同的樣本，相同的訓練集，相同的測試集，來比較三種方法之間的準確率與優缺點。此外我們也使用機器學習演算法(隨機森林演算法與支援向量機演算法)等兩種演算法來檢測惡意程式。在隨機森林演算法與支援向量機演算法，使用混合式檢測未知惡意程式準確率平均達到88%，命中率的部分可以達到89%。根據實驗結果，我們可以發現在相同的樣本情況下，混合式分析使用Random Forest演算法的準確率會比其他兩種分析方式還要高，與Arshad等學者動態分析比較，本篇方法使

用混合式與動態分析都有較高的準確率。

以SVM為基礎之手機惡意封包偵測系統

為了解決apktool下載的問題，作者譚庚倫 這樣論述：

近年來，智慧型手機蓬勃發展，人手一機已是事實，使用者逐漸將個人的資訊 (聯絡資訊、E-mail帳號密碼、個人電子錢包等) 存入手機中。智慧型手機之作業系統以Android和IOS為主。Android系統可以不用透過官方認證而進一步安裝第三方的App。因為上述的原因，使得駭客將目標由電腦端轉向手機端。駭客藉由入侵手機的方式蒐集使用者許多個人隱私資訊，並且惡意App可以透過使用者給予的權限蒐集個人相關資訊並且傳輸至駭客伺服器，或者執行從駭客伺服器傳來的惡意程式碼。本研究提出一套偵測手機惡意封包系統，以Agent-based概念設計。由使用者手機下載手機應用程式(Agent App)，而Agent

App將手機所發出的GET封包內容儲存至pcap檔中，並且傳輸至伺服器做惡意分析。本系統在惡意分析上應用了SVM(Support Vector Machines)演算法，將收集的樣本的GET封包內容訓練成SVM惡意偵測模型，然後將使用者的GET封包輸入至SVM模型進行預測分析。本文也比較 LibSVM 和Scikit-learn 兩個SVM 函式庫的效能，其本系統採用Sckit-learn函式庫作為惡意分析功能。Agent App和網頁會將分析的結果整理後呈現給使用者查看，並且提供查詢歷史紀錄和模型管理的功能。