逃避攻击及其在中文垃圾短信过滤中的应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文各章节安排 | 第10-12页 |
| 第二章 对抗性机器学习概述 | 第12-21页 |
| 2.1 对抗学习问题描述 | 第12-13页 |
| 2.2 对抗性机器学习 | 第13-18页 |
| 2.2.1 经典学习模型缺陷 | 第13-14页 |
| 2.2.2 威胁模型 | 第14-16页 |
| 2.2.3 白盒攻击与黑盒攻击 | 第16-18页 |
| 2.3 逃避攻击 | 第18-20页 |
| 2.3.1 攻击者的目标 | 第18页 |
| 2.3.2 攻击者的知识 | 第18-19页 |
| 2.3.3 攻击者的能力 | 第19页 |
| 2.3.4 攻击策略 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于复合形法的逃避攻击算法 | 第21-31页 |
| 3.1 传统逃避攻击方法的缺陷 | 第21页 |
| 3.2 复合形法概述 | 第21-23页 |
| 3.3 生成对抗性样本的过程 | 第23-24页 |
| 3.4 实验 | 第24-30页 |
| 3.4.1 在kddcup99数据集实验分析 | 第24-30页 |
| 3.4.2 在EEG数据集上的实验分析 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 逃避攻击在中文垃圾短信过滤中的应用 | 第31-38页 |
| 4.1 中文垃圾短信过滤 | 第31-33页 |
| 4.1.1 短信预处理 | 第31-32页 |
| 4.1.2 特征选择 | 第32-33页 |
| 4.1.3 模型训练 | 第33页 |
| 4.2 好词攻击 | 第33-35页 |
| 4.2.1 白盒模式下的好词攻击 | 第33-35页 |
| 4.2.2 黑盒模式下的好词攻击 | 第35页 |
| 4.3 实验 | 第35-37页 |
| 4.3.1 数据集 | 第35-36页 |
| 4.3.2 好词攻击方法对比与分析 | 第36-37页 |
| 4.3.3 黑盒攻击可行性分析 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 系统实现 | 第38-47页 |
| 5.1 实验环境简介 | 第38-39页 |
| 5.2 安卓四大组件 | 第39-40页 |
| 5.2.1 AndroidActivity | 第39-40页 |
| 5.2.2 Android广播机制 | 第40页 |
| 5.3 系统设计 | 第40-46页 |
| 5.3.1 启动页实现 | 第41页 |
| 5.3.2 登入注册模块 | 第41-43页 |
| 5.3.3 垃圾短信判别模块 | 第43页 |
| 5.3.4 好词攻击模块 | 第43-44页 |
| 5.3.5 垃圾短信拦截模块 | 第44-45页 |
| 5.3.6 垃圾短信通知 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 本文的主要工作 | 第47页 |
| 6.2 进一步的研究工作 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第54-55页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |
