基于系统调用的变形恶意代码的行为特征检测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外检测技术研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关背景技术介绍 | 第16-38页 |
| 2.1 恶意代码相关分析 | 第16-25页 |
| 2.1.1 恶意代码的分类 | 第16-18页 |
| 2.1.2 恶意代码实现技术 | 第18-23页 |
| 2.1.3 恶意代码典型行为分析 | 第23-25页 |
| 2.2 恶意代码检测技术 | 第25-30页 |
| 2.2.1 静态分析 | 第25-27页 |
| 2.2.1.1 基于语义分析 | 第26页 |
| 2.2.1.2 基于特征码分析 | 第26-27页 |
| 2.2.2 动态分析 | 第27-29页 |
| 2.2.2.1 系统监控法 | 第27-28页 |
| 2.2.2.2 动态追踪法 | 第28-29页 |
| 2.2.3 主动防御 | 第29-30页 |
| 2.3 恶意代码反检测技术 | 第30-31页 |
| 2.3.1 反静态分析 | 第30-31页 |
| 2.3.2 反动态分析 | 第31页 |
| 2.3.3 反主动防御 | 第31页 |
| 2.4 TEMU插装平台 | 第31-33页 |
| 2.4.1 TEMU平台结构 | 第32页 |
| 2.4.2 TEMU平台污点传播策略 | 第32-33页 |
| 2.4.3 TEMU API与回调函数 | 第33页 |
| 2.5 BP神经网络结构及BP算法 | 第33-37页 |
| 2.5.1 神经网络基础知识 | 第33-35页 |
| 2.5.2 BP神经网络结构及BP算法 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于系统调用的行为特征检测的关键技术 | 第38-54页 |
| 3.1 Windows系统风险调用依赖图的构造 | 第38-40页 |
| 3.1.1 Windows系统风险调用 | 第38-39页 |
| 3.1.2 行为依赖图的定义 | 第39页 |
| 3.1.3 行为依赖关系的提取 | 第39-40页 |
| 3.1.4 行为依赖图的构建 | 第40页 |
| 3.2 带权污点传播分析 | 第40-48页 |
| 3.2.1 带权污点标记 | 第41-44页 |
| 3.2.2 带权污点传播规则 | 第44-46页 |
| 3.2.3 污点检查 | 第46-47页 |
| 3.2.4 污点漂白 | 第47-48页 |
| 3.3 行为特征依赖图的抗混淆处理 | 第48-51页 |
| 3.3.1 无效调用混淆行为识别 | 第48-50页 |
| 3.3.2 等价调用混淆行为识别 | 第50-51页 |
| 3.4 行为特征选择原则及特征选取 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 BDFE系统结构设计与实现 | 第54-61页 |
| 4.1 系统结构设计 | 第54-55页 |
| 4.2 系统实现 | 第55-60页 |
| 4.2.1 API参数提取模块 | 第55-58页 |
| 4.2.2 污点检查分析模块 | 第58-60页 |
| 4.2.3 行为特征提取模块 | 第60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 实验及结果分析 | 第61-75页 |
| 5.1 实验概述 | 第61-62页 |
| 5.2 实验样本 | 第62-63页 |
| 5.3 实验环境 | 第63-64页 |
| 5.4 恶意代码行为特征提取 | 第64-65页 |
| 5.5 实验过程 | 第65-66页 |
| 5.5.1 构建神经网络检测模型 | 第65页 |
| 5.5.2 训练与测试 | 第65-66页 |
| 5.6 实验结果及分析 | 第66-74页 |
| 5.6.1 本检测模型实验结果及分析 | 第66-68页 |
| 5.6.2 对比实验结果及其分析 | 第68-74页 |
| 5.7 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 不足与待改进之处 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
