恶意代码的网络行为分析与识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 基于主机行为的检测方法 | 第17-18页 |
| 1.2.2 基于静态特征的检测方法 | 第18-19页 |
| 1.2.3 基于网络流量的检测方法 | 第19-20页 |
| 1.3 论文主要工作 | 第20页 |
| 1.4 论文组织结构 | 第20-23页 |
| 第二章 恶意代码网络行为研究 | 第23-35页 |
| 2.1 恶意代码分析 | 第23-26页 |
| 2.1.1 僵尸网络 | 第23-25页 |
| 2.1.2 勒索软件 | 第25页 |
| 2.1.3 远控木马 | 第25-26页 |
| 2.2 恶意代码命令与控制机制 | 第26-34页 |
| 2.2.1 僵尸恶意代码生命周期 | 第26-28页 |
| 2.2.2 C&C通信机制 | 第28-30页 |
| 2.2.3 典型恶意代码C&C网络行为分析 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 恶意代码网络流量识别模型 | 第35-59页 |
| 3.1 识别模型 | 第35-38页 |
| 3.2 基于五元组的数据包聚合方法 | 第38-42页 |
| 3.2.1 网络流定义 | 第38-41页 |
| 3.2.2 数据包聚合流程 | 第41-42页 |
| 3.3 基于流特征的恶意代码C&C行为分析 | 第42-51页 |
| 3.3.1 流基本行为特征分析 | 第43-44页 |
| 3.3.2 时间相关行为特征分析 | 第44-45页 |
| 3.3.3 基于数据统计特性的行为分析 | 第45-49页 |
| 3.3.4 恶意代码C&C特征集构建方法 | 第49-50页 |
| 3.3.5 特征选择标准 | 第50-51页 |
| 3.4 基于随机森林的恶意代码C&C行为识别技术 | 第51-58页 |
| 3.4.1 随机森林分类算法 | 第51-54页 |
| 3.4.2 基于流特征的网络流量识别流程 | 第54-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 测试结果及分析 | 第59-67页 |
| 4.1 实验仿真环境及流程 | 第59-61页 |
| 4.2 分类模型性能指标 | 第61-62页 |
| 4.3 实验仿真结果 | 第62-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
