| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-27页 |
| 1.1 选题背景及研究意义 | 第14-18页 |
| 1.2 对抗性学习的研究进展及发展方向 | 第18-24页 |
| 1.2.1 对抗性学习的研究进展 | 第19-23页 |
| 1.2.2 对抗性学习的发展方向 | 第23-24页 |
| 1.3 本文的研究内容与组织结构 | 第24-27页 |
| 1.3.1 本文的研究内容 | 第24-26页 |
| 1.3.2 本文的组织结构 | 第26-27页 |
| 第二章 相关内容介绍 | 第27-42页 |
| 2.1 攻击者的攻击策略 | 第27-33页 |
| 2.1.1 攻击者的攻击类型 | 第27-29页 |
| 2.1.2 攻击者的攻击模型 | 第29-30页 |
| 2.1.3 逃避攻击 | 第30-31页 |
| 2.1.4 攻击者在垃圾邮件过滤系统上的攻击策略研究 | 第31-33页 |
| 2.1.5 攻击数据与异常点、噪音的区别 | 第33页 |
| 2.2 防守者的防守策略 | 第33-37页 |
| 2.2.1 针对诱发性攻击的防守策略 | 第34-35页 |
| 2.2.2 针对探索性攻击的防守策略 | 第35-37页 |
| 2.3 特征选择 | 第37-41页 |
| 2.3.1 初始子集 | 第37-38页 |
| 2.3.2 搜索策略 | 第38-39页 |
| 2.3.3 评价标准 | 第39-41页 |
| 2.3.4 终止条件 | 第41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 对抗逃避攻击的特征选择算法 | 第42-67页 |
| 3.1 引言 | 第42-44页 |
| 3.2 对抗逃避攻击的策略 | 第44-48页 |
| 3.3 对抗逃避攻击的特征选择算法 | 第48-55页 |
| 3.3.1 对抗性环境下的封装式特征选择方法 (WAFS) | 第49页 |
| 3.3.2 针对逃避攻击的算法 | 第49-55页 |
| 3.4 鲁棒性评估 | 第55页 |
| 3.5 实验结果 | 第55-64页 |
| 3.5.1 垃圾邮件过滤系统 | 第56-60页 |
| 3.5.2 恶意软件检测 | 第60-64页 |
| 3.6 结论 | 第64-67页 |
| 第四章 对抗逃避攻击的鲁棒的支持向量机 | 第67-83页 |
| 4.1 引言 | 第67-70页 |
| 4.2 相关内容 | 第70-71页 |
| 4.2.1 攻击模型 | 第70页 |
| 4.2.2 数据复杂度 | 第70-71页 |
| 4.3 鲁棒的支持向量机 | 第71-75页 |
| 4.3.1 在连续特征空间上训练的鲁棒的支持向量机 | 第74-75页 |
| 4.3.2 分类器性能的评估 | 第75页 |
| 4.4 实验结果 | 第75-82页 |
| 4.4.1 分类器的特性 | 第76-78页 |
| 4.4.2 参数估计 | 第78-80页 |
| 4.4.3 模型在不同参数下所训练的分类器的分类精度 | 第80-82页 |
| 4.5 小结 | 第82-83页 |
| 第五章 多分类器和单分类器的鲁棒性评估与对比 | 第83-90页 |
| 5.1 引言 | 第83-84页 |
| 5.2 Bagging | 第84-85页 |
| 5.3 分类器鲁棒性的度量准则 | 第85-86页 |
| 5.4 实验结果 | 第86-87页 |
| 5.4.1 线性分类器的实验结果 | 第87页 |
| 5.4.2 非线性分类器的实验结果 | 第87页 |
| 5.5 小结 | 第87-90页 |
| 结论与展望 | 第90-93页 |
| 参考文献 | 第93-102页 |
| 攻读博士学位期间取得的研究成果 | 第102-104页 |
| 致谢 | 第104-105页 |
| Ⅳ-2 答辩委员会对论文的评定意见 | 第105页 |
