| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 主要缩略语及中英文对照 | 第17-18页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 前言 | 第18页 |
| 1.2 研究背景和意义 | 第18-20页 |
| 1.2.1 研究背景 | 第18-19页 |
| 1.2.2 研究意义 | 第19-20页 |
| 1.3 论文的研究内容和研究成果 | 第20-22页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究成果 | 第21-22页 |
| 1.4 论文的组织结构 | 第22-24页 |
| 1.5 本章小结 | 第24-26页 |
| 第二章 恶意网页与恶意网页识别技术研究 | 第26-48页 |
| 2.1 引言 | 第26-27页 |
| 2.2 恶意网页基本概念与形式化定义 | 第27-28页 |
| 2.2.1 恶意网页基本概念 | 第27页 |
| 2.2.2 恶意网页识别形式化定义 | 第27-28页 |
| 2.3 恶意网页识别技术概述 | 第28-32页 |
| 2.3.1 恶意网页识别的应用场景 | 第28-29页 |
| 2.3.2 恶意网页识别系统基本框架 | 第29-30页 |
| 2.3.3 恶意网页识别评价指标 | 第30-32页 |
| 2.4 恶意网页识别研究进展 | 第32-40页 |
| 2.4.1 基于黑名单技术的识别方法 | 第32-33页 |
| 2.4.2 基于启发式规则的识别方法 | 第33-34页 |
| 2.4.3 基于机器学习的识别方法 | 第34-39页 |
| 2.4.4 基于交互式主机行为的识别方法 | 第39-40页 |
| 2.4.5 识别方法小结 | 第40页 |
| 2.5 恶意网页识别面临的挑战 | 第40-43页 |
| 2.5.1 客观环境变化引起的挑战 | 第40-41页 |
| 2.5.2 恶意网页逃逸技术的升级 | 第41-43页 |
| 2.6 研究展望 | 第43页 |
| 2.7 面向大规模网络流量的网页实时分类框架 | 第43-46页 |
| 2.7.1 设计目标 | 第44页 |
| 2.7.2 系统架构 | 第44-46页 |
| 2.8 本章小结 | 第46-48页 |
| 第三章 网关位置的非人为访问URL过滤技术研究 | 第48-60页 |
| 3.1 引言 | 第48-49页 |
| 3.2 相关工作 | 第49-52页 |
| 3.3 非人为访问过滤方法EPLogCleaner | 第52-55页 |
| 3.3.1 基本假设 | 第52-53页 |
| 3.3.2 系统架构和工作流程 | 第53-54页 |
| 3.3.3 算法实现 | 第54-55页 |
| 3.4 实验结果分析 | 第55-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 基于出现频率的有限特征集构造方法 | 第60-72页 |
| 4.1 引言 | 第60-61页 |
| 4.2 相关工作 | 第61-62页 |
| 4.3 有限特征集构造方法LDB | 第62-65页 |
| 4.3.1 LDB方法概述 | 第62-63页 |
| 4.3.2 LDB系统架构和工作流程 | 第63页 |
| 4.3.3 特征抽取 | 第63-64页 |
| 4.3.4 有限特征集构造器 | 第64-65页 |
| 4.3.5 分类算法 | 第65页 |
| 4.4 实验结果分析 | 第65-70页 |
| 4.4.1 数据集 | 第66页 |
| 4.4.2 评价指标 | 第66页 |
| 4.4.3 分类器的比较 | 第66-67页 |
| 4.4.4 运行时间 | 第67-68页 |
| 4.4.5 和已有工作的比较 | 第68-69页 |
| 4.4.6 识别错误情况的分析和比较 | 第69-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 基于线索的高效网页分类方法 | 第72-84页 |
| 5.1 引言 | 第72-73页 |
| 5.2 相关工作 | 第73-74页 |
| 5.3 隐身网址分布情况分析 | 第74页 |
| 5.4 隐身钓鱼网页识别模型CPRM | 第74-78页 |
| 5.4.1 基于轻量级特征的识别模型CPRM | 第74-75页 |
| 5.4.2 特征提取 | 第75-77页 |
| 5.4.3 分类器选择 | 第77-78页 |
| 5.5 实验结果分析 | 第78-81页 |
| 5.5.1 特征选择与评估 | 第79页 |
| 5.5.2 分类器比较 | 第79-81页 |
| 5.6 识别方法比较 | 第81-83页 |
| 5.7 本章小结 | 第83-84页 |
| 第六章 轻量级的自学习网页分类模型 | 第84-96页 |
| 6.1 引言 | 第84-87页 |
| 6.2 相关工作 | 第87-88页 |
| 6.3 网页信誉评价 | 第88-91页 |
| 6.3.1 基本概念 | 第88页 |
| 6.3.2 网页评价 | 第88-90页 |
| 6.3.3 访问行为评价因素 | 第90页 |
| 6.3.4 基于访问关系的网页信誉评价 | 第90-91页 |
| 6.4 自学习轻量级分类方法SLW | 第91-92页 |
| 6.4.1 SLW方法概述 | 第91页 |
| 6.4.2 SLW架构和工作流程 | 第91-92页 |
| 6.5 实验结果分析 | 第92-95页 |
| 6.5.1 评价指标 | 第92-93页 |
| 6.5.2 数据集 | 第93页 |
| 6.5.3 实验结果 | 第93-94页 |
| 6.5.4 分析和讨论 | 第94-95页 |
| 6.6 本章小结 | 第95-96页 |
| 第七章 总结与展望 | 第96-99页 |
| 7.1 论文工作总结 | 第96-97页 |
| 7.2 研究展望 | 第97-99页 |
| 参考文献 | 第99-111页 |
| 致谢 | 第111-113页 |
| 攻读博士学位期间发表论文 | 第113-114页 |
| 攻读博士学位期间参与项目 | 第114页 |