| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状与存在问题 | 第12-14页 |
| 1.2.1 国内外研究现状 | 第12-13页 |
| 1.2.2 存在问题 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构及章节安排 | 第15-16页 |
| 第二章 计算机病毒概述 | 第16-22页 |
| 2.1 计算机病毒的定义 | 第16页 |
| 2.2 计算机病毒分类 | 第16-17页 |
| 2.3 计算机病毒基本特征 | 第17-18页 |
| 2.4 常见的病毒检测技术 | 第18-21页 |
| 2.4.1 特征码扫描 | 第19页 |
| 2.4.2 静态启发式扫描 | 第19-20页 |
| 2.4.3 行为分析 | 第20-21页 |
| 2.4.4 虚拟机技术 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于行为分析的PE病毒检测关键技术研究 | 第22-39页 |
| 3.1 动态行为捕获方法研究 | 第22-25页 |
| 3.1.1 Windows API机制 | 第22-24页 |
| 3.1.2 动态行为捕获技术 | 第24-25页 |
| 3.2 病毒行为特征定义 | 第25-29页 |
| 3.3 病毒行为特征筛选算法研究 | 第29-33页 |
| 3.3.1 基于信息增益的特征选择算法 | 第30-31页 |
| 3.3.2 改进的信息增益特征选择算法 | 第31-32页 |
| 3.3.3 病毒行为特征筛选过程 | 第32-33页 |
| 3.4 支持向量机学习关键技术研究 | 第33-38页 |
| 3.4.1 支持向量机分类原理 | 第33-35页 |
| 3.4.2 基于SVM的病毒检测二类分类模型 | 第35-36页 |
| 3.4.3 支持向量机多分类算法在病毒检测中的应用研究 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于行为分析的PE病毒检测系统设计与实现 | 第39-55页 |
| 4.1 系统方案的提出 | 第39-40页 |
| 4.2 系统总体设计 | 第40-42页 |
| 4.3 虚拟机控制模块设计与实现 | 第42-44页 |
| 4.4 动态行为追踪模块设计与实现 | 第44-48页 |
| 4.4.1 断点设置模块 | 第45-47页 |
| 4.4.2 行为捕获模块 | 第47-48页 |
| 4.5 特征向量生成模块设计与实现 | 第48-52页 |
| 4.5.1 构建病毒行为特征库 | 第48-50页 |
| 4.5.2 生成特征向量 | 第50-52页 |
| 4.6 支持向量机学习模块设计与实现 | 第52-54页 |
| 4.6.1 libsvm的使用 | 第52-53页 |
| 4.6.2 “一对多”分类算法的实现 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 基于行为分析的PE病毒检测系统评测 | 第55-61页 |
| 5.1 实验环境 | 第55页 |
| 5.2 实验数据 | 第55-56页 |
| 5.3 模型检测指标定义 | 第56页 |
| 5.4 评测结果 | 第56-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文 | 第67页 |