基于行为的恶意软件自动分类方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 主要研究内容及组织结构 | 第12-13页 |
| 第2章 恶意行为基础知识 | 第13-29页 |
| 2.1 恶意软件的介绍 | 第13-15页 |
| 2.2 恶意软件的分析技术 | 第15-17页 |
| 2.2.1 静态分析法 | 第15-16页 |
| 2.2.2 动态分析法 | 第16页 |
| 2.2.3 检测方法对比 | 第16-17页 |
| 2.3 几种常用的分类方法 | 第17-26页 |
| 2.3.1 BP神经网络 | 第17-22页 |
| 2.3.2 支持向量机（SVM） | 第22-26页 |
| 2.4 分类思想的讨论 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 行为匹配算法的设计 | 第29-39页 |
| 3.1 行为选取和划分 | 第29-30页 |
| 3.2 行为存储 | 第30-34页 |
| 3.3 行为特征库的建立 | 第34页 |
| 3.4 行为匹配 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于BP神经网络的软件行为分类方法 | 第39-50页 |
| 4.1 行为归纳模块 | 第39-40页 |
| 4.2 映射算法 | 第40-42页 |
| 4.3 样本训练模块 | 第42-44页 |
| 4.4 BP神经网络各参数选择 | 第44-49页 |
| 4.4.1 输入层到隐层的输出函数选择 | 第45页 |
| 4.4.2 输出函数的选择 | 第45页 |
| 4.4.3 调整因子的选择 | 第45-47页 |
| 4.4.4 训练结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验结果与讨论 | 第50-53页 |
| 5.1 评价标准 | 第50-51页 |
| 5.2 实验结果 | 第51页 |
| 5.3 实验结果分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 论文工作总结与创新 | 第53-54页 |
| 6.2 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士学位期间参与的项目和发表的论文 | 第59页 |
