| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-17页 |
| ·研究背景与课题意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·网页病毒检测技术的发展 | 第9页 |
| ·网页病毒检测技术的分类 | 第9-10页 |
| ·静态检测技术研究现状 | 第10-11页 |
| ·动态检测技术研究现状 | 第11-12页 |
| ·基于机器学习的网页病毒检测研究现状 | 第12-13页 |
| ·课题项目背景和研究内容 | 第13-15页 |
| ·论文组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 课题需求和基础理论 | 第17-25页 |
| ·恶意网站的概念和恶意网页类型 | 第17页 |
| ·漏洞利用 | 第17-22页 |
| ·漏洞类型 | 第17-18页 |
| ·漏洞利用技术 | 第18-21页 |
| ·Metasploit | 第21-22页 |
| ·JavaScript混淆方法 | 第22-24页 |
| ·使用ASCII码和Unicode混淆 | 第22-23页 |
| ·使用XOR操作混淆 | 第23页 |
| ·分裂字符串混淆 | 第23-24页 |
| ·字符串压缩和无意字符替代混淆 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 基于TF-IDF算法的JavaScript特征提取 | 第25-32页 |
| ·传统JavaScript特征提取 | 第25页 |
| ·TF-IDF算法介绍 | 第25-26页 |
| ·基于TF-IDF的JavaScript特征提取 | 第26-30页 |
| ·特征提取方法 | 第26-29页 |
| ·JavaScript特征提取实现 | 第29-30页 |
| ·TF-IDF的JS特征提取和传统JS特征提取性能对比 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于监督学习SVM的恶意网页检测技术 | 第32-43页 |
| ·SVM的基本原理 | 第32-37页 |
| ·线性可分 | 第32-34页 |
| ·线性不可分 | 第34-35页 |
| ·非线性空间 | 第35-36页 |
| ·核函数 | 第36-37页 |
| ·SVM关键技术 | 第37-39页 |
| ·特征提取和样本选择 | 第37-38页 |
| ·核函数的选择 | 第38-39页 |
| ·监督学习SVM恶意网页检测 | 第39-42页 |
| ·数据准备和步骤 | 第39-40页 |
| ·参数寻优 | 第40-41页 |
| ·数据分析和结论 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于Active SVM的恶意网页检测技术 | 第43-50页 |
| ·主动学习理论 | 第43页 |
| ·选择引擎和询问机制 | 第43-45页 |
| ·基于Active SVM的恶意网页检测 | 第45-49页 |
| ·Active SVM优势 | 第45-46页 |
| ·选择引擎方法 | 第46-47页 |
| ·基于Active SVM恶意网页检测数据准备和结果 | 第47-48页 |
| ·基于Active SVM和监督学习SVM恶意网页检测技术比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·本课题所做的工作 | 第50页 |
| ·研究展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
