基于机器学习的网页恶意代码检测技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·相关理论及研究现状 | 第8-10页 |
| ·论文的主要工作 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 网页恶意代码检测相关知识 | 第13-25页 |
| ·网页概述 | 第13-18页 |
| ·网页工作原理 | 第13-14页 |
| ·网页的特点 | 第14-15页 |
| ·网页脚本语言 | 第15-18页 |
| ·网页恶意代码 | 第18-24页 |
| ·网页恶意代码产生原因 | 第18-19页 |
| ·网页恶意代码的分类 | 第19-20页 |
| ·几种网页恶意代码检测技术 | 第20-23页 |
| ·代码混淆技术 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 网页恶意代码检测模型设计与实现 | 第25-43页 |
| ·网页恶意代码检测模型概述 | 第25-26页 |
| ·数据采集模块 | 第26-28页 |
| ·数据采集工具 | 第26-27页 |
| ·样本采集 | 第27-28页 |
| ·分类判决模块 | 第28-33页 |
| ·特征选择 | 第28-30页 |
| ·特征提取 | 第30-31页 |
| ·分类算法 | 第31-33页 |
| ·行为判决模块 | 第33-40页 |
| ·蜜罐技术 | 第33-35页 |
| ·基于CaptureHPC的行为判决模块 | 第35-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 实验测试与分析 | 第43-51页 |
| ·实验环境 | 第43-44页 |
| ·实验数据集 | 第43页 |
| ·实验软硬件环境 | 第43页 |
| ·测试标准 | 第43-44页 |
| ·分类模型构建实验 | 第44-46页 |
| ·分类模型构建工具 | 第44-45页 |
| ·分类模型构建方法 | 第45页 |
| ·分类模型构建结果与分析 | 第45-46页 |
| ·系统综合测试实验 | 第46-49页 |
| ·行为判决模块的部署 | 第46-47页 |
| ·系统测试结果与分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 读研期间的研究成果及获奖情况 | 第59-60页 |
