| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 研究现状 | 第15-20页 |
| 1.2.1 JAVASCRIPT恶意代码检测研究现状 | 第15-18页 |
| 1.2.2 生成对抗网络研究现状 | 第18-20页 |
| 1.3 本文主要研究内容与组织结构 | 第20-22页 |
| 1.3.1 主要研究内容 | 第20页 |
| 1.3.2 本文组织结构 | 第20-22页 |
| 第二章 相关理论及技术 | 第22-36页 |
| 2.1 恶意代码与检测技术 | 第22-28页 |
| 2.1.1 恶意代码的威胁 | 第23-24页 |
| 2.1.2 恶意代码的攻击手段 | 第24-26页 |
| 2.1.3 防御方法 | 第26-28页 |
| 2.2 生成对抗网络 | 第28-36页 |
| 2.2.1 对抗思想 | 第28-29页 |
| 2.2.2 生成对抗网络的模型 | 第29-36页 |
| 第三章 基于生成对抗网络的恶意代码样本生成方法 | 第36-42页 |
| 3.1 生成对抗网络生成样本可行性分析 | 第36-37页 |
| 3.2 生成式模型与分类器结合方法 | 第37-38页 |
| 3.3 生成对抗网络生成样本方法 | 第38-42页 |
| 第四章 基于生成对抗网络的恶意代码识别模型 | 第42-60页 |
| 4.1 样本特征提取方法 | 第42-44页 |
| 4.2 生成对抗网络模型设计与实现 | 第44-53页 |
| 4.2.1 生成模型设计 | 第44-51页 |
| 4.2.2 判别模型设计 | 第51-53页 |
| 4.3 损失函数 | 第53-55页 |
| 4.4 生成对抗网络训练过程 | 第55-58页 |
| 4.5 分类器训练设计 | 第58-60页 |
| 第五章 实验设计与分析 | 第60-72页 |
| 5.1 研究问题 | 第60页 |
| 5.2 实验对象与实验设计 | 第60-61页 |
| 5.2.1 实验对象 | 第60-61页 |
| 5.2.2 实验设计 | 第61页 |
| 5.3 数据爬取 | 第61-63页 |
| 5.4 模型训练实验 | 第63-67页 |
| 5.5 恶意代码检测工具实现 | 第67-72页 |
| 5.5.1 请求模块 | 第68-69页 |
| 5.5.2 响应模块 | 第69-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者和导师简介 | 第80-81页 |
| 附件 | 第81-82页 |