| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1. 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 常规恶意程序检测及防范手段 | 第12-14页 |
| 1.2.2 APT攻击研究现状 | 第14-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 论文结构 | 第17-19页 |
| 2. APT攻击的相关介绍 | 第19-27页 |
| 2.1 APT攻击基本概念 | 第19-20页 |
| 2.2 APT攻击过程 | 第20-21页 |
| 2.3 APT攻击特征 | 第21-24页 |
| 2.3.1 社交欺骗 | 第21-22页 |
| 2.3.2 漏洞利用 | 第22页 |
| 2.3.4 不易检测 | 第22-23页 |
| 2.3.5 通信隐蔽 | 第23页 |
| 2.3.6 模块化、组织化和智能化 | 第23-24页 |
| 2.4 APT攻击主要技术 | 第24-26页 |
| 2.4.1 鱼叉式钓鱼攻击 | 第24页 |
| 2.4.2 水坑式攻击 | 第24-25页 |
| 2.4.3 反弹连接技术 | 第25-26页 |
| 2.4.4 高级隐遁技术 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3. APT攻击远控阶段异常通信分析与检测模型 | 第27-41页 |
| 3.1 APT攻击远控阶段异常通信分析 | 第27-33页 |
| 3.1.1 Domain-Flux与DGA动态域名 | 第27-30页 |
| 3.1.2 异常TCP通信行为分析 | 第30-33页 |
| 3.2 构建异常通信检测模型相关分类算法 | 第33-39页 |
| 3.2.1 支持向量机 | 第33-36页 |
| 3.2.2 C4.5决策树 | 第36-37页 |
| 3.2.3 K近邻算法 | 第37-38页 |
| 3.2.4 梯度提升决策树 | 第38页 |
| 3.2.5 随机梯度下降 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 4. 异常通信特征的分析提取与特征选择 | 第41-57页 |
| 4.1 DGA动态域名特征分析及提取 | 第41-48页 |
| 4.1.1 域名数据准备 | 第41-42页 |
| 4.1.2 域名信息熵 | 第42-43页 |
| 4.1.3 平均Jaccard指数 | 第43-44页 |
| 4.1.4 域名可读性 | 第44-46页 |
| 4.1.5 单词特征 | 第46-47页 |
| 4.1.6 结构特征 | 第47-48页 |
| 4.2 异常TCP通信行为特征分析及提取 | 第48-54页 |
| 4.2.1 特征提取层面分析 | 第48-49页 |
| 4.2.2 TCP通信数据准备 | 第49-50页 |
| 4.2.3 时间特征 | 第50-51页 |
| 4.2.4 流量特征 | 第51-52页 |
| 4.2.5 数据包特征 | 第52-54页 |
| 4.3 特征选择 | 第54-56页 |
| 4.3.1 递归特征消除算法 | 第54页 |
| 4.3.2 域名特征选择 | 第54-55页 |
| 4.3.3 TCP通信特征选择 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5. APT攻击远控阶段异常通信检测程序的设计与实现 | 第57-73页 |
| 5.1 APT攻击远控阶段异常通信检测程序整体设计 | 第57-58页 |
| 5.2 检测程序各模块的实现 | 第58-67页 |
| 5.2.1 网络数据采集模块 | 第58-60页 |
| 5.2.2 数据包解析模块 | 第60-64页 |
| 5.2.3 白名单模块 | 第64-65页 |
| 5.2.4 特征提取模块 | 第65-66页 |
| 5.2.5 检测模块 | 第66-67页 |
| 5.2.6 报警模块 | 第67页 |
| 5.3 实验与结果分析 | 第67-71页 |
| 5.3.1 检测模型选择实验与结果分析 | 第67-69页 |
| 5.3.2 检测程序仿真实验与结果分析 | 第69-71页 |
| 5.4 本章小结 | 第71-73页 |
| 6. 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 研究展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |
