| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景与研究意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究目的与研究内容 | 第16-17页 |
| 1.3.1 研究目的 | 第16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 论文主要工作及结构 | 第17-19页 |
| 第2章 恶意链接检测相关技术介绍 | 第19-30页 |
| 2.1 恶意链接种类 | 第19-22页 |
| 2.1.1 链接的基本定义 | 第19-20页 |
| 2.1.2 手机恶意软件链接分析 | 第20页 |
| 2.1.3 银行类钓鱼链接分析 | 第20-22页 |
| 2.2 相关检测方法介绍 | 第22-25页 |
| 2.2.1 基于黑白名单过滤方法 | 第22-23页 |
| 2.2.2 基于启发式规则的检测方法 | 第23-24页 |
| 2.2.3 基于机器学习的检测方法 | 第24-25页 |
| 2.3 分类方法研究 | 第25-29页 |
| 2.3.1 逻辑回归算法 | 第26页 |
| 2.3.2 朴素贝叶斯算法 | 第26-28页 |
| 2.3.3 决策树算法 | 第28页 |
| 2.3.4 BP神经网络算法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 手机恶意软件链接检测方法设计 | 第30-41页 |
| 3.1 手机恶意软件链接检测方法概述 | 第30-31页 |
| 3.2 基于链接域名的黑白名单检测模块 | 第31-32页 |
| 3.3 基于敏感关键词检测模块 | 第32-33页 |
| 3.4 基于逻辑回归算法的链接检测模块 | 第33-40页 |
| 3.4.1 链接特征提取与处理 | 第33-37页 |
| 3.4.2 基于逻辑回归算法的手机恶意软件链接检测模型 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 银行钓鱼链接检测方法设计 | 第41-63页 |
| 4.1 银行钓鱼链接检测方法概述 | 第41页 |
| 4.2 URL过滤模块 | 第41-47页 |
| 4.2.1 黑白名单检测 | 第43-44页 |
| 4.2.2 百度权重检测 | 第44-45页 |
| 4.2.3 网站安全检测 | 第45-47页 |
| 4.3 基于网页一级特征检测模块 | 第47-54页 |
| 4.3.1 网页文本特征检测 | 第48-52页 |
| 4.3.2 网页图片检测 | 第52-54页 |
| 4.4 基于BP神经网络算法的链接检测模块 | 第54-62页 |
| 4.4.1 网页二级文本特征提取 | 第54-56页 |
| 4.4.2 链接特征提取 | 第56-57页 |
| 4.4.3 基于BP神经网络算法银行钓鱼链接检测模型 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 实验仿真与测试结果分析 | 第63-73页 |
| 5.1 实验仿真环境 | 第63-64页 |
| 5.1.1 实验仿真平台 | 第63页 |
| 5.1.2 实验仿真语言及其相关应用 | 第63-64页 |
| 5.1.3 性能指标 | 第64页 |
| 5.2 手机恶意软件链接仿真测试结果与分析 | 第64-68页 |
| 5.2.1 实验数据选取 | 第64-65页 |
| 5.2.2 实验过程与结果分析 | 第65-68页 |
| 5.3 银行钓鱼链接仿真测试结果与分析 | 第68-72页 |
| 5.3.1 实验数据选取 | 第68页 |
| 5.3.2 实验过程与结果分析 | 第68-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-76页 |
| 6.1 总结 | 第73-74页 |
| 6.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士期间从事的科研工作及取得的成果 | 第83页 |