| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景 | 第14-17页 |
| 1.2.1 XSS分类 | 第14页 |
| 1.2.2 XSS攻击原理 | 第14-17页 |
| 1.3 XSS漏洞挖掘研究现状 | 第17-19页 |
| 1.4 论文的主要工作 | 第19页 |
| 1.5 论文的结构安排 | 第19-21页 |
| 第2章 基于特征注入的XSS漏洞检测模型 | 第21-29页 |
| 2.1 XSS-SAFE框架 | 第21-26页 |
| 2.1.1 代码跟踪器 | 第22-23页 |
| 2.1.2 Web蜘蛛 | 第23-25页 |
| 2.1.3 Java Script提取器 | 第25页 |
| 2.1.4 特征注入器 | 第25页 |
| 2.1.5 规则生成及存储 | 第25-26页 |
| 2.1.6 HTTP Response偏差检测器 | 第26页 |
| 2.2 页面特殊情况处理 | 第26-28页 |
| 2.2.1 Jsp表达式的注入点 | 第26-27页 |
| 2.2.2 自动消毒注入程序 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于分类特征和动态测试方法筛选XSS漏洞 | 第29-46页 |
| 3.1 分类特征 | 第29-31页 |
| 3.1.1 基本统计信息特征 | 第30页 |
| 3.1.2 URL重定向 | 第30页 |
| 3.1.3 攻击过程特征 | 第30页 |
| 3.1.4 混淆特征分析 | 第30-31页 |
| 3.2 动态测试 | 第31-33页 |
| 3.2.1 合法向量测试 | 第31-32页 |
| 3.2.2 攻击向量测试 | 第32-33页 |
| 3.3 数据挖掘 | 第33-36页 |
| 3.3.1 数据挖掘的定义 | 第33页 |
| 3.3.2 数据挖掘的特点 | 第33-34页 |
| 3.3.3 数据挖掘的分类 | 第34页 |
| 3.3.4 数据挖掘的基本过程 | 第34-35页 |
| 3.3.5 数据挖掘的任务 | 第35-36页 |
| 3.4 分类算法 | 第36-42页 |
| 3.4.1 支持向量机算法 | 第37-39页 |
| 3.4.2 神经网络分类算法 | 第39-41页 |
| 3.4.3 贝叶斯分类算法 | 第41-42页 |
| 3.5 实验数据集 | 第42页 |
| 3.6 实验结果及分析 | 第42-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于Apriori和FP-growth算法对攻击向量进行关联分析 | 第46-59页 |
| 4.0 关联规则 | 第46-48页 |
| 4.0.1 基本定义 | 第46页 |
| 4.0.2 挖掘步骤 | 第46-47页 |
| 4.0.3 关联规则分类 | 第47页 |
| 4.0.4 关联规则挖掘算法 | 第47-48页 |
| 4.1 Apriori原理 | 第48-49页 |
| 4.2 Apriori实现 | 第49-51页 |
| 4.2.1 生成候选项集 | 第50页 |
| 4.2.2 分析Apriori算法 | 第50-51页 |
| 4.3 发现攻击向量的频繁项集 | 第51-52页 |
| 4.4 FP-growth简介 | 第52-54页 |
| 4.5 构建FP树 | 第54-55页 |
| 4.6 从FP树中挖掘频繁项集 | 第55-57页 |
| 4.7 改进XSS-SAFE模型 | 第57-58页 |
| 4.8 本章小结 | 第58-59页 |
| 第5章 实验结果分析 | 第59-63页 |
| 5.1 评价指标 | 第59页 |
| 5.2 实验数据分析 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文 | 第70页 |