网络恶意软件的特征提取技术研究
| 目录 | 第4-6页 |
| CONTENTS | 第6-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 前言 | 第10-15页 |
| 1.1 研究目的 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文工作和组织结构 | 第14-15页 |
| 第2章 恶意软件特征提取概述 | 第15-21页 |
| 2.1 恶意软件和特征的定义 | 第15-16页 |
| 2.1.1 恶意软件 | 第15-16页 |
| 2.1.2 特征 | 第16页 |
| 2.2 恶意软件特征提取的原理 | 第16-19页 |
| 2.2.1 ε-γ-π模型 | 第16-18页 |
| 2.2.2 恶意软件特征提取的工作过程 | 第18-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 基于贝叶斯分类的特征选择 | 第21-30页 |
| 3.1 Hamsa特征选择方法的不足 | 第21-22页 |
| 3.2 贝叶斯分类方法 | 第22-25页 |
| 3.2.1 贝叶斯基本定义 | 第22-23页 |
| 3.2.2 朴素贝叶斯分类 | 第23-25页 |
| 3.3 贝叶斯特征选择 | 第25-27页 |
| 3.4 贝叶斯特征分类 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 多形恶意软件特征提取系统的设计与实现 | 第30-49页 |
| 4.1 系统结构与功能 | 第30-33页 |
| 4.1.1 系统结构 | 第30-31页 |
| 4.1.2 系统功能 | 第31-33页 |
| 4.2 基于后缀数组的token提取 | 第33-42页 |
| 4.2.1 数据预处理 | 第34-35页 |
| 4.2.2 后缀数组序列 | 第35-37页 |
| 4.2.3 重复字段的提取 | 第37-40页 |
| 4.2.4 Token的筛选 | 第40-42页 |
| 4.3 特征选择 | 第42-45页 |
| 4.3.1 衡量特征的指标 | 第42-43页 |
| 4.3.2 Hamsa特征选择模型 | 第43-45页 |
| 4.4 特征生成 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 系统测试及结果分析 | 第49-61页 |
| 5.1 特征的产生 | 第49-56页 |
| 5.1.1 提取Token | 第49-51页 |
| 5.1.2 特征选择和生成 | 第51-56页 |
| 5.2 系统有效性分析 | 第56-59页 |
| 5.2.1 误报率和漏报率 | 第56-57页 |
| 5.2.2 抗噪性 | 第57-59页 |
| 5.3 算法时间分析 | 第59页 |
| 5.3.1 后缀数组的token提取 | 第59页 |
| 5.3.2 Hamsa和贝叶斯特征选择和生成 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 结束语 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
