| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 引言 | 第11-12页 |
| 1.2 网络蠕虫的发展历程 | 第12-14页 |
| 1.3 问题提出及研究意义 | 第14-15页 |
| 1.4 主要工作以及论文结构 | 第15-18页 |
| 1.4.1 主要工作 | 第15-16页 |
| 1.4.2 论文结构 | 第16-18页 |
| 第2章 研究现状 | 第18-30页 |
| 2.1 网络蠕虫攻击方式 | 第18-21页 |
| 2.2 网络蠕虫检测方式 | 第21-22页 |
| 2.3 深度学习 | 第22-25页 |
| 2.4 卷积神经网络 | 第25-27页 |
| 2.5 循环神经网络 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于CNN的多态网络蠕虫检测 | 第30-47页 |
| 3.1 CNN网络框架 | 第31-33页 |
| 3.2 有效载荷矩阵化处理方式 | 第33-37页 |
| 3.3 实验与分析 | 第37-46页 |
| 3.3.1 实验环境 | 第37页 |
| 3.3.2 实验结果与分析 | 第37-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于幂级数RNN的多态网络蠕虫特征码提取 | 第47-60页 |
| 4.1 基于幂级数RNN的网络结构 | 第47-50页 |
| 4.1.1 seq-to-seq,attention机制 | 第47-49页 |
| 4.1.2 幂级数RNN网络结构介绍 | 第49-50页 |
| 4.2 幂级数RNN | 第50-53页 |
| 4.3 有效载荷处理方式 | 第53-55页 |
| 4.4 实验与分析 | 第55-59页 |
| 4.4.1 实验环境 | 第55页 |
| 4.4.2 实验结果与分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-63页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第67-68页 |
| 一、科研情况 | 第67页 |
| 二、论文发表情况 | 第67-68页 |