| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 恶意程序检测技术国内外研究动态 | 第11-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 本论文的结构安排 | 第12-14页 |
| 第二章 恶意程序及检测技术研究 | 第14-29页 |
| 2.1 恶意程序的行为特性研究与总结 | 第14-22页 |
| 2.1.1 注册表行为特征分析 | 第15-19页 |
| 2.1.2 文件行为特征分析 | 第19-20页 |
| 2.1.3 网络行为特征分析 | 第20-21页 |
| 2.1.4 进程行为特征分析 | 第21-22页 |
| 2.2 恶意程序仿真的行为分析建模研究 | 第22-25页 |
| 2.2.1 基于线性叠加的判定模型 | 第22页 |
| 2.2.2 基于朴素BAYES公式的判定模型 | 第22-23页 |
| 2.2.3 基于SVM支持向量机的判定模型 | 第23-25页 |
| 2.3 虚拟机及仿真行为检测技术 | 第25-28页 |
| 2.3.1 VMWARE API简介 | 第25-26页 |
| 2.3.2 SSDT HOOK技术 | 第26-27页 |
| 2.3.3 文件过滤性驱动技术 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 行为加权算法以及在线性叠加方法下的实现 | 第29-35页 |
| 3.1 传统判定模型及其特点分析 | 第29页 |
| 3.2 基于双样本概率差的行为加权算法设计 | 第29-31页 |
| 3.2.1 双样本概率差计算与行为点选择 | 第29-30页 |
| 3.2.2 基于双样本概率差的行为权值计算 | 第30-31页 |
| 3.3 线性叠加模型下的行为加权算法实现 | 第31-33页 |
| 3.3.1 基于线性叠加空间的加权算法统计建模 | 第31-33页 |
| 3.3.2 基于双样本概率差加权的线性叠加空间阈值估算方法 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 恶意程序仿真检测系统的设计与实现 | 第35-66页 |
| 4.1 需求分析 | 第35页 |
| 4.2 仿真平台框架设计 | 第35-39页 |
| 4.2.1 检测系统逻辑架构设计 | 第37-38页 |
| 4.2.2 工程架构设计 | 第38-39页 |
| 4.3 平台管理与调度模块设计与实现 | 第39-41页 |
| 4.3.1 仿真检测系统环境搭建 | 第39-40页 |
| 4.3.2 管理与调度模块 | 第40-41页 |
| 4.4 内核行为监测模块设计与实现 | 第41-50页 |
| 4.4.1 进程类信息的监测 | 第43-45页 |
| 4.4.2 注册表类信息的监测 | 第45-46页 |
| 4.4.3 文件类信息的监测 | 第46-47页 |
| 4.4.4 网络类信息的监测 | 第47-50页 |
| 4.5 恶意程序行为关联分析模块设计与实现 | 第50-59页 |
| 4.5.1 内核层与应用层数据交互 | 第51-53页 |
| 4.5.2 应用层数据接收 | 第53-54页 |
| 4.5.3 程序行为关联分析模块 | 第54-59页 |
| 4.6 恶意程序判定模块设计与实现 | 第59-62页 |
| 4.6.1 恶意行为权值确定 | 第59-60页 |
| 4.6.2 恶意程序判定模块 | 第60-62页 |
| 4.7 系统类及关键函数设计与实现 | 第62-65页 |
| 4.7.1 关键类设计与实现 | 第62-64页 |
| 4.7.2 系统主函数介绍 | 第64-65页 |
| 4.8 本章小结 | 第65-66页 |
| 第五章 实验及结果分析 | 第66-71页 |
| 5.1 实验环境 | 第66页 |
| 5.2 实验步骤 | 第66-67页 |
| 5.3 实验结果与分析 | 第67-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文的主要工作 | 第71页 |
| 6.2 下一步工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻硕期间取得的研究成果 | 第77-78页 |