| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 本文内容和主要工作 | 第14页 |
| 1.3 本文的组织结构 | 第14-17页 |
| 第2章 计算机取证技术研究 | 第17-31页 |
| 2.1 计算机取证概况 | 第17-22页 |
| 2.1.1 计算机取证 | 第17-18页 |
| 2.1.2 电子证据 | 第18-19页 |
| 2.1.3 计算机取证原则及流程 | 第19-20页 |
| 2.1.4 计算机证据的取证分析 | 第20-22页 |
| 2.2 计算机取证的研究现状 | 第22-24页 |
| 2.2.1 国外研究现状 | 第22-23页 |
| 2.2.2 国内研究现状 | 第23-24页 |
| 2.3 计算机取证方法的分类 | 第24-26页 |
| 2.3.1 计算机静态取证 | 第24-25页 |
| 2.3.2 计算机动态取证 | 第25-26页 |
| 2.4 计算机取证工具的研究 | 第26-27页 |
| 2.5 计算机取证的相关技术 | 第27-30页 |
| 2.5.1 主机证据的保全和分析技术 | 第27-28页 |
| 2.5.2 网络数据捕获与分析技术 | 第28页 |
| 2.5.3 主动取证技术 | 第28-29页 |
| 2.5.4 恶意代码取证技术 | 第29-30页 |
| 2.6 计算机取证的发展趋势 | 第30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于数据挖掘的恶意代码取证研究 | 第31-57页 |
| 3.1 数据挖掘概述 | 第31-32页 |
| 3.2 数据挖掘在计算机取证中的应用 | 第32-34页 |
| 3.2.1 传统的计算机取证模型 | 第32-33页 |
| 3.2.2 基于数据挖掘的计算机取证模型 | 第33-34页 |
| 3.3 恶意代码取证的总体设计思路 | 第34-36页 |
| 3.4 恶意代码的静态分析取证 | 第36-41页 |
| 3.4.1 API和PE文件介绍 | 第36-38页 |
| 3.4.2 恶意代码的API序列提取与哈希映射 | 第38-41页 |
| 3.5 基于加权FP-Growth算法的恶意代码序列挖掘 | 第41-50页 |
| 3.5.1 关联规则的基本概念 | 第41-42页 |
| 3.5.2 FP-Growth算法实现过程 | 第42-43页 |
| 3.5.3 恶意软件API调用序列的特征 | 第43-45页 |
| 3.5.4 基于加权FP-Growth的频繁模式挖掘算法 | 第45-50页 |
| 3.6 基于编辑距离的恶意代码序列匹配 | 第50-52页 |
| 3.6.1 编辑距离 | 第50-52页 |
| 3.6.2 相似度的计算 | 第52页 |
| 3.7 可疑程序的静态分析过程 | 第52-53页 |
| 3.8 恶意代码的动态监控取证 | 第53-55页 |
| 3.9 本章小结 | 第55-57页 |
| 第4章 实验结果及分析 | 第57-67页 |
| 4.1 实验环境 | 第57页 |
| 4.2 实验具体过程 | 第57-66页 |
| 4.2.1 数据预处理 | 第57-58页 |
| 4.2.2 数据的频繁模式挖掘 | 第58-60页 |
| 4.2.3 恶意代码的取证分析 | 第60-64页 |
| 4.2.4 动态监控取证分析对系统性能的影响 | 第64-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 5.1 论文总结 | 第67页 |
| 5.2 不足之处 | 第67-68页 |
| 5.3 下一步工作 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士期间参加的项目 | 第75页 |