基于软件行为模型的异常检测技术研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 恶意程序相关技术研究 | 第14-28页 |
| 2.1 常见恶意程序的分类以及特点 | 第14-17页 |
| 2.1.1 恶意程序定义 | 第14-15页 |
| 2.1.2 恶意程序分类 | 第15-17页 |
| 2.2 恶意程序分析方法 | 第17-20页 |
| 2.2.1 静态分析 | 第17-19页 |
| 2.2.2 动态分析 | 第19-20页 |
| 2.3 恶意程序基本特征 | 第20-21页 |
| 2.4 恶意程序检测相关技术 | 第21-26页 |
| 2.4.0 特征码扫描检测 | 第23页 |
| 2.4.1 基于程序语义检测 | 第23-24页 |
| 2.4.2 启发式扫描检测 | 第24-25页 |
| 2.4.3 异常检测 | 第25-26页 |
| 2.4.4 沙箱技术 | 第26页 |
| 2.5 本章总结 | 第26-28页 |
| 第三章 基于软件行为模型的异常检测关键技术研究 | 第28-44页 |
| 3.1 系统调用序列获取技术研究 | 第28-31页 |
| 3.1.1 系统调用静态获取技术研究 | 第28-30页 |
| 3.1.2 系统调用动态获取技术研究 | 第30-31页 |
| 3.2 典型恶意行为特征研究 | 第31-37页 |
| 3.2.1 CTB-LOCKER病毒分析报告 | 第31-32页 |
| 3.2.2 新暗云木马分析报告 | 第32-33页 |
| 3.2.3 DarkShell后门程序分析报告 | 第33-34页 |
| 3.2.4 机器狗病毒分析报告 | 第34-35页 |
| 3.2.5 conficker蠕虫分析报告 | 第35-36页 |
| 3.2.6 恶意行为总结 | 第36-37页 |
| 3.3 支持向量机关键技术研究 | 第37-43页 |
| 3.3.1 支持向量机分类原理 | 第37-39页 |
| 3.3.2 用于异常检测的二类分类模型 | 第39-40页 |
| 3.3.3 SVM多类分类的四种方案对比 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于软件行为模型的异常检测系统设计与实现 | 第44-56页 |
| 4.1 预期效果 | 第44-45页 |
| 4.2 系统的总体设计 | 第45-46页 |
| 4.3 沙箱模块设计与实现 | 第46-47页 |
| 4.4 系统调用获取模块设计与实现 | 第47-51页 |
| 4.4.1 恶意行为模型 | 第48-50页 |
| 4.4.2 动态获取系统调用 | 第50-51页 |
| 4.5 支持向量机训练模块的设计与实现 | 第51-53页 |
| 4.6 检测模块的设计与实现 | 第53-54页 |
| 4.7 本章小结 | 第54-56页 |
| 第五章 实验与分析 | 第56-61页 |
| 5.1 实验环境搭建 | 第56页 |
| 5.2 实验数据 | 第56-57页 |
| 5.3 测试指标 | 第57-58页 |
| 5.4 测试结果与分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 今后工作展望 | 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 |
