基于向量空间模型的事件序列分类研究及应用
| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-9页 |
| 绪论 | 第9-13页 |
| 1 研究背景及意义 | 第9-10页 |
| 2 研究现状 | 第10-11页 |
| 3 本文研究内容及组织结构 | 第11-13页 |
| 第1章 事件序列的分类研究 | 第13-19页 |
| 1.1 传统的分类方法 | 第13-14页 |
| 1.2 事件序列的分类方法 | 第14-19页 |
| 1.2.1 基于距离的分类 | 第15页 |
| 1.2.2 基于向量空间的分类 | 第15-16页 |
| 1.2.3 基于模型的分类 | 第16-19页 |
| 第2章 基于强鉴别特征提取的事件序列分类 | 第19-27页 |
| 2.1 强鉴别序列特征提取 | 第19-23页 |
| 2.1.1 基本定义 | 第19-20页 |
| 2.1.2 特征提取算法 | 第20-22页 |
| 2.1.3 案例研究 | 第22-23页 |
| 2.2 基于强鉴别特征的序列分类 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 事件序列挖掘在恶意代码检测与分类中的应用 | 第27-45页 |
| 3.1 恶意代码分类的应用概述 | 第27-30页 |
| 3.1.1 恶意代码检测与分类研究 | 第27-28页 |
| 3.1.2 恶意代码分类系统框架 | 第28-30页 |
| 3.2 指令序列提取 | 第30-31页 |
| 3.3 指令序列的恶意序列模式挖掘 | 第31-34页 |
| 3.3.1 恶意导向指令提取 | 第31-32页 |
| 3.3.2 恶意序列模式挖掘 | 第32-34页 |
| 3.4 恶意代码的检测与分类 | 第34-36页 |
| 3.4.1 恶意代码的向量空间表示 | 第34-35页 |
| 3.4.2 分类算法 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-44页 |
| 3.5.1 实验数据 | 第36-37页 |
| 3.5.2 参数选择及评价指标 | 第37-38页 |
| 3.5.3 特征提取算法评估 | 第38-39页 |
| 3.5.4 恶意序列模式评估 | 第39-43页 |
| 3.5.5 恶意代码分类系统评估 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于序关系约束向量空间模型的序列分类 | 第45-55页 |
| 4.1 序关系约束的向量空间模型 | 第45-47页 |
| 4.2 基于序关系约束的序列相似性度量 | 第47-51页 |
| 4.2.1 基本定义 | 第47-48页 |
| 4.2.2 全局结构相似性度量 | 第48-49页 |
| 4.2.3 全局结构匹配算法 | 第49-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.3.1 实验数据集 | 第51-52页 |
| 4.3.2 模型有效性评估 | 第52-53页 |
| 4.3.3 相似性度量评估 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间承担的科研任务与主要成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 个人简历 | 第65-68页 |
