基于微体系结构特征的恶意软件检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本课题研究内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第2章 相关理论及技术基础 | 第12-19页 |
| 2.1 恶意软件 | 第12-15页 |
| 2.1.1 恶意软件介绍 | 第12页 |
| 2.1.2 恶意软件分类 | 第12-13页 |
| 2.1.3 恶意软件检测器 | 第13-15页 |
| 2.2 硬件性能计数器 | 第15-16页 |
| 2.2.1 硬件性能计数器介绍 | 第15-16页 |
| 2.3 机器学习 | 第16-17页 |
| 2.3.1 分类算法 | 第16-17页 |
| 2.4 本章小结 | 第17-19页 |
| 第3章 数据集与特征选择 | 第19-29页 |
| 3.1 数据集和特征的收集 | 第19-22页 |
| 3.1.1 准备数据集 | 第19-20页 |
| 3.1.2 微体系结构特征 | 第20页 |
| 3.1.3 采集特征 | 第20-22页 |
| 3.2 特征选择 | 第22-24页 |
| 3.2.1 分类问题中的特征选择 | 第22-24页 |
| 3.3 Lasso特征选择 | 第24-27页 |
| 3.3.1 Lasso算法 | 第24-25页 |
| 3.3.2 特征选择实验 | 第25-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第4章 恶意软件检测及实验结果分析 | 第29-40页 |
| 4.1 恶意软件检测 | 第29-33页 |
| 4.1.1 分类器概念 | 第29-30页 |
| 4.1.2 分类器模型训练实验 | 第30-32页 |
| 4.1.3 DBN深度学习实验 | 第32-33页 |
| 4.2 实验结果与分析 | 第33-39页 |
| 4.2.1 单一种类特征的实验结果 | 第33-34页 |
| 4.2.2 综合特征的实验结果 | 第34-36页 |
| 4.2.3 性能对比 | 第36-37页 |
| 4.2.4 DBN深度学习实验结果 | 第37-38页 |
| 4.2.5 实验结论 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 恶意软件检测器硬件设计方案 | 第40-45页 |
| 5.1 恶意软件检测器硬件设计总体框架 | 第40-42页 |
| 5.1.1 硬件设计概述 | 第40-41页 |
| 5.1.2 硬件设计总体框架 | 第41-42页 |
| 5.2 恶意软件检测器子模块 | 第42-44页 |
| 5.2.1 特征收集子模块 | 第42-43页 |
| 5.2.2 分类预测子模块 | 第43页 |
| 5.2.3 决策子模块 | 第43-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 发表论文和参加科研情况说明 | 第50-51页 |
| 致谢 | 第51-52页 |
