| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·发展现状 | 第12-14页 |
| ·存在的问题 | 第14-15页 |
| ·研究内容 | 第15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 数据碎片特征提取技术概述 | 第17-29页 |
| ·数据碎片类型概述 | 第17-18页 |
| ·基于固有信息的特征 | 第18-19页 |
| ·扩展名 | 第18页 |
| ·魔数 | 第18-19页 |
| ·结构信息 | 第19页 |
| ·基于内容的特征 | 第19-25页 |
| ·N-GRAM | 第20页 |
| ·香农熵 | 第20-22页 |
| ·汉明权重 | 第22页 |
| ·字节频率分布 | 第22-23页 |
| ·字节统计量 | 第23-25页 |
| ·其他技术 | 第25-26页 |
| ·最长公共子序列 | 第25页 |
| ·柯氏复杂性 | 第25页 |
| ·相邻字节间关系 | 第25-26页 |
| ·灰度图 | 第26页 |
| ·常见的识别工具分析 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 数据碎片类型识别的总体框架 | 第29-43页 |
| ·数据碎片类型识别框架 | 第29-31页 |
| ·两个框架的关键技术 | 第31-39页 |
| ·相似性计算方法 | 第31-34页 |
| ·分类算法 | 第34-39页 |
| ·数据碎片类型识别方法优劣的度量 | 第39-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 一种基于灰度图的数据碎片类型识别方法 | 第43-57页 |
| ·灰度图及其特征描述 | 第43-46页 |
| ·数据碎片到灰度图的转化 | 第43-44页 |
| ·灰度图特征的描述 | 第44-46页 |
| ·碎片分类 | 第46页 |
| ·FILE-UNBIASED 和 TYPE-UNBIASED 模型 | 第46-47页 |
| ·FILE-UNBIASED 模型 | 第47页 |
| ·TYPE-UNBIASED 模型 | 第47页 |
| ·实验设计 | 第47-50页 |
| ·数据集 | 第47-48页 |
| ·碎片大小与头尾部处理 | 第48-49页 |
| ·实验环境介绍 | 第49页 |
| ·验证实验 | 第49-50页 |
| ·实验结果与分析 | 第50-54页 |
| ·寻找最优算法实验 | 第50页 |
| ·灰度图宽度对精度的影响实验 | 第50-51页 |
| ·灰度图特征描述向量维度对精度的影响实验 | 第51-52页 |
| ·参数与维度的最优组合实验 | 第52-53页 |
| ·实验结果分析与对比 | 第53-54页 |
| ·本章小结 | 第54-57页 |
| 第五章 一种基于频域和 1-GRAM 的数据碎片类型识别方法 | 第57-67页 |
| ·数据碎片类型识别方法描述 | 第57-60页 |
| ·DCT 特征提取 | 第57-58页 |
| ·BFD 特征提取 | 第58-59页 |
| ·不同转化及计算方法 | 第59页 |
| ·碎片分类 | 第59-60页 |
| ·实验设计 | 第60页 |
| ·实验结果与分析 | 第60-65页 |
| ·寻找最优算法实验 | 第60-61页 |
| ·DCT 特征与 BFD 特征的不同组合 | 第61-62页 |
| ·实验结果分析与对比 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·研究工作总结 | 第67页 |
| ·未来工作展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77-78页 |
| 详细摘要 | 第78-80页 |