首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文--计算机病毒与防治论文

基于最小行为的恶意程序自动检测技术研究

摘要第1-4页
Abstract第4-8页
第一章 绪论第8-16页
   ·研究背景第8-9页
   ·研究意义和目的第9-11页
   ·国内外研究现状第11-13页
   ·论文研究内容及组织结构第13-16页
第二章 课题相关技术研究及前期研究成果第16-30页
   ·恶意代码的定义及分类第16-19页
     ·恶意代码的定义第16页
     ·恶意代码的分类第16-19页
   ·恶意程序的静态分析与动态分析第19-22页
     ·静态分析方法第19-20页
     ·动态分析方法第20-21页
     ·两种方法的比较第21-22页
   ·聚类与分类方法第22-28页
     ·聚类分析技术第22-25页
     ·分类分析技术第25页
     ·聚类与分类方法的比较第25-26页
     ·常见的距离计算方法第26-28页
   ·课题的前期研究成果第28-29页
   ·本章小结第29-30页
第三章 基于最小行为的恶意程序自动检测系统设计第30-36页
   ·系统总体设计思路第30-31页
   ·系统的总体结构第31-34页
   ·本章小结第34-36页
第四章 基于 QEMU 的 API 及相关信息捕获模块第36-46页
   ·QEMU 简介第36-37页
   ·PE 文件的动态分析模块的实现第37-38页
   ·恶意文档的动态分析模块的实现第38-43页
     ·恶意文档概述第38-39页
     ·嵌入代码调用模块第39-40页
     ·嵌入代码分析第40-41页
     ·嵌入代码常见的分析模式第41-42页
     ·恶意文档动态分析设计第42-43页
   ·动态分析的环境配置第43-44页
   ·本章小结第44-46页
第五章 最小行为特征抽象模块第46-56页
   ·最小行为抽象概论第46-48页
   ·最小行为抽象方案第48-49页
   ·基于最小行为的特征向量的生成第49-54页
     ·字符参数处理参数分解第49-51页
     ·基于行为的特征向量构建的常见问题及解决方案第51-52页
     ·特征向量的构建第52-54页
   ·本章小结第54-56页
第六章 基于自学习的恶意程序聚类/分类模块第56-62页
   ·聚类、分类分析概论第56-57页
   ·原型聚类算法的实现第57-59页
   ·基于最小行为的分类算法的设计第59页
   ·基于最小行为的自学习模块设计第59-60页
   ·本章小结第60-62页
第七章 实验与分析第62-70页
   ·分析时间分布与空间使用分析第62-63页
   ·获取的最小行为结果正确性分析第63-64页
   ·系统的聚类、分类能力测试第64-66页
   ·新类别发现能力测试第66-68页
   ·本章小结第68-70页
第八章 总结与展望第70-72页
   ·工作总结第70-71页
   ·未来展望第71-72页
致谢第72-74页
参考文献第74-78页

论文共78页,点击 下载论文
上一篇:面向社区智能服务的数据挖掘关键技术研究与实现
下一篇:基于后缀数组的近似字符串匹配