基于深度学习的木马隐蔽通信检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 木马检测技术分类 | 第13-14页 |
| 1.2.2 木马隐蔽通信检测技术 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-20页 |
| 第二章 木马隐蔽通信分析 | 第20-30页 |
| 2.1 加密通信 | 第20-25页 |
| 2.1.1 TLS协议 | 第20-22页 |
| 2.1.2 木马通信行为特征 | 第22-25页 |
| 2.2 隧道通信 | 第25-29页 |
| 2.2.1 HTTP协议隧道 | 第25-26页 |
| 2.2.1.1 HTTP 隧道分类 | 第25-26页 |
| 2.2.2 DNS协议隧道 | 第26-28页 |
| 2.2.3 隧道通信木马特征 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于多层神经网络的木马加密通信检测方法 | 第30-42页 |
| 3.1 人工神经网络 | 第30-32页 |
| 3.1.1 感知机 | 第30-31页 |
| 3.1.2 激活函数 | 第31-32页 |
| 3.2 木马通信行为特征选择 | 第32-35页 |
| 3.2.1 特征选择方法概述 | 第32页 |
| 3.2.2 特征选择分析 | 第32-35页 |
| 3.3 检测模型的构建及训练方法 | 第35-40页 |
| 3.3.1 多层神经网络体系结构 | 第36-37页 |
| 3.3.2 参数初始化方法 | 第37页 |
| 3.3.3 参数优化方法 | 第37-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于卷积神经网络的木马隧道通信检测方法 | 第42-52页 |
| 4.1 卷积神经网络特点 | 第42-44页 |
| 4.1.1 局部连接 | 第42页 |
| 4.1.2 卷积层 | 第42-43页 |
| 4.1.3 池化层 | 第43-44页 |
| 4.1.4 将流载荷可视化为灰度图像 | 第44页 |
| 4.2 三种卷积神经网络架构 | 第44-47页 |
| 4.2.1 CNN1 | 第44-45页 |
| 4.2.2 CNN2 | 第45-46页 |
| 4.2.3 CNN3 | 第46-47页 |
| 4.3 模型训练方法选择 | 第47-50页 |
| 4.3.1 反向传播算法 | 第47-49页 |
| 4.3.2 Dropout | 第49页 |
| 4.3.3 批量训练 | 第49页 |
| 4.3.4 使用标准化 | 第49-50页 |
| 4.4 模型架构评估 | 第50-51页 |
| 4.4.1 数据集划分 | 第50页 |
| 4.4.2 模型比较 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 木马隐蔽通信检测系统的设计与实现 | 第52-60页 |
| 5.1 木马隐蔽通信检测系统总体设计 | 第52-53页 |
| 5.1.1 设计目标 | 第52页 |
| 5.1.2 系统架构 | 第52-53页 |
| 5.2 木马隐蔽通信检测系统实现及其关键技术 | 第53-58页 |
| 5.2.1 数据包采集模块 | 第54-55页 |
| 5.2.2 数据流重组模块 | 第55-56页 |
| 5.2.3 特征提取处理模块 | 第56-57页 |
| 5.2.4 加密通信检测模块 | 第57页 |
| 5.2.5 隧道通信检测模块 | 第57-58页 |
| 5.3 本章小结 | 第58-60页 |
| 第六章 系统测试与结果分析 | 第60-66页 |
| 6.1 实验准备 | 第60-63页 |
| 6.1.1 实验环境 | 第60-61页 |
| 6.1.2 数据集 | 第61-62页 |
| 6.1.3 评估指标 | 第62-63页 |
| 6.2 木马检测能力测试 | 第63-64页 |
| 6.2.1 检测率测试 | 第63-64页 |
| 6.2.2 误报率测试 | 第64页 |
| 6.3 本章小结 | 第64-66页 |
| 第七章 结束语 | 第66-68页 |
| 7.1 全文总结 | 第66-67页 |
| 7.2 下一步工作 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 作者简历 | 第74页 |
