| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 课题研究国内外现状 | 第11-12页 |
| 1.2.1 恶意代码检测技术 | 第11页 |
| 1.2.2 恶意代码的防范模型 | 第11-12页 |
| 1.3 本文的主要研究工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 2 恶意代码及虚拟环境相关理论基础 | 第15-27页 |
| 2.1 恶意代码 | 第15-17页 |
| 2.1.1 恶意代码的定义 | 第15页 |
| 2.1.2 恶意代码传播方式 | 第15-17页 |
| 2.1.3 恶意代码检测技术 | 第17页 |
| 2.2 虚拟环境下的基本理论 | 第17-26页 |
| 2.2.1 虚拟化技术 | 第17-19页 |
| 2.2.2 虚拟机监控器 | 第19-20页 |
| 2.2.3 虚拟化技术原理分析 | 第20-22页 |
| 2.2.4 虚拟化技术在检测恶意代码中的优势 | 第22-23页 |
| 2.2.5 云计算环境及其实现技术 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 恶意代码检测方法的研究 | 第27-43页 |
| 3.1 基于 K-L 散度的恶意代码检测方法 | 第27-40页 |
| 3.1.1 基于期望最大化的高斯混合模型 | 第27-31页 |
| 3.1.2 特征选择方法 | 第31-32页 |
| 3.1.3 分类算法 | 第32-37页 |
| 3.1.4 基于 K-L 散度的恶意代码检测算法 | 第37-40页 |
| 3.2 基于网络行为的恶意代码检测 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 虚拟环境下恶意代码防范模型的构建 | 第43-53页 |
| 4.1 现有的恶意代码防范框架 | 第43-45页 |
| 4.1.1 基于主机的恶意代码检测系统 | 第43-44页 |
| 4.1.2 基于网络的恶意代码防范系统 | 第44-45页 |
| 4.2 虚拟环境下恶意代码防范模型构建 | 第45-50页 |
| 4.2.1 虚拟环境下恶意代码防范模型 | 第45-46页 |
| 4.2.2 虚拟环境下恶意代码防范模型框架 | 第46-49页 |
| 4.2.3 虚拟环境下恶意代码防范模型具体实现 | 第49-50页 |
| 4.3 虚拟环境下云端检测算法的实现 | 第50-52页 |
| 4.3.1 云端恶意代码检测算法 | 第50-51页 |
| 4.3.2 云端恶意代码检测算法实现过程 | 第51-52页 |
| 4.4 性能评价 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 系统测试与结果分析 | 第53-65页 |
| 5.1 实验配置 | 第53-55页 |
| 5.1.1 硬件配置 | 第53页 |
| 5.1.2 软件安装及环境变量配置 | 第53-55页 |
| 5.2 客户端实验仿真 | 第55-59页 |
| 5.2.1 Weka 数据挖掘平台 | 第55-56页 |
| 5.2.2 交叉验证 | 第56页 |
| 5.2.3 基于 KLD 的恶意代码检测技术 | 第56-59页 |
| 5.3 虚拟环境下恶意代码防范模型仿真测试 | 第59-61页 |
| 5.3.1 云端恶意代码检测方法 | 第59-60页 |
| 5.3.2 虚拟环境下恶意代码防范模型中的信息类型 | 第60-61页 |
| 5.4 实验与结果分析 | 第61-64页 |
| 5.4.1 实验结果 | 第61-63页 |
| 5.4.2 虚拟环境下恶意代码防范模型整体防范功能评估 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 未来工作的展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 攻读硕士学位期间发表论文及参加科研的情况 | 第73页 |