| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文研究内容和组织结构 | 第15-17页 |
| 1.3.1 论文研究内容 | 第15页 |
| 1.3.2 论文组织结构 | 第15-17页 |
| 第2章 恶意软件检测相关理论及技术 | 第17-30页 |
| 2.1 恶意软件介绍 | 第17-18页 |
| 2.2 恶意软件抗检测技术 | 第18-20页 |
| 2.3 恶意软件动态检测流程 | 第20-22页 |
| 2.3.1 行为捕获 | 第20-22页 |
| 2.3.2 文本分类 | 第22页 |
| 2.4 文本分类关键技术 | 第22-29页 |
| 2.4.1 特征选择 | 第22-24页 |
| 2.4.2 特征加权 | 第24-25页 |
| 2.4.3 文本表示 | 第25-26页 |
| 2.4.4 文本分类算法 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于改进信息增益特征选择的恶意软件检测研究 | 第30-45页 |
| 3.1 恶意软件检测模型框架 | 第30-31页 |
| 3.2 数据采集 | 第31-34页 |
| 3.2.1 样本来源介绍 | 第31页 |
| 3.2.2 动态监测环境介绍 | 第31-33页 |
| 3.2.3 行为数据收集 | 第33-34页 |
| 3.3 数据预处理 | 第34-37页 |
| 3.4 信息增益特征优化选择 | 第37-39页 |
| 3.5 构造特征向量空间 | 第39-40页 |
| 3.6 实验结果与分析 | 第40-44页 |
| 3.6.1 实验性能评估方法以及评估指标 | 第40-41页 |
| 3.6.2 实验结果与分析 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 基于改进信息增益与LDA结合的恶意软件检测研究 | 第45-55页 |
| 4.1 主题模型简介 | 第45-49页 |
| 4.1.1 LSI | 第45-46页 |
| 4.1.2 PLSI | 第46-47页 |
| 4.1.3 LDA | 第47-49页 |
| 4.2 改进信息增益与LDA主题模型结合的特征选择 | 第49-53页 |
| 4.2.1 LDA模型的推导 | 第49-50页 |
| 4.2.2 改进信息增益与LDA结合的特征选择 | 第50-53页 |
| 4.3 实验结果与分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 本文工作总结 | 第55-56页 |
| 未来工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
