基于SVM的DGA域名检测方法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容及贡献 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 本文贡献 | 第17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 理论与技术背景 | 第18-27页 |
| 2.1 DNS概述 | 第18-19页 |
| 2.2 僵尸网络 | 第19-20页 |
| 2.3 K-Means算法 | 第20-21页 |
| 2.4 隐马尔可夫模型 | 第21-23页 |
| 2.5 SVM算法 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 DGA域名的聚类分析 | 第27-34页 |
| 3.1 域名字符分布 | 第27-29页 |
| 3.2 数据预处理 | 第29-31页 |
| 3.3 域名聚类 | 第31页 |
| 3.4 实验分析和研究 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 DGA域名的SVM实验分析 | 第34-47页 |
| 4.1 特征分析 | 第34-40页 |
| 4.1.1 域名长度 | 第34-35页 |
| 4.1.2 域名的熵 | 第35-37页 |
| 4.1.3 域名组成中元音字母比例 | 第37-38页 |
| 4.1.4 域名组成中连续辅音字母比例 | 第38-39页 |
| 4.1.5 域名组成中的数字比例 | 第39-40页 |
| 4.2 实验 | 第40-42页 |
| 4.2.1 实验数据 | 第40页 |
| 4.2.2 域名标注 | 第40页 |
| 4.2.3 特征选择 | 第40-41页 |
| 4.2.4 特征处理 | 第41页 |
| 4.2.5 算法选取 | 第41-42页 |
| 4.3 实验分析 | 第42-46页 |
| 4.3.1 交叉验证 | 第42-45页 |
| 4.3.2 实验方法对比 | 第45-46页 |
| 4.4 本章总结 | 第46-47页 |
| 第五章 DGA域名的HMM分析 | 第47-58页 |
| 5.1 SVM模型验证 | 第47-49页 |
| 5.2 HMM特征 | 第49-51页 |
| 5.2.1 实验数据 | 第49页 |
| 5.2.2 数据处理 | 第49页 |
| 5.2.3 HMM模型训练 | 第49页 |
| 5.2.4 验证HMM模型 | 第49-51页 |
| 5.3 SVM模型训练 | 第51-55页 |
| 5.3.1 数据预处理 | 第51-52页 |
| 5.3.2 特征提取 | 第52页 |
| 5.3.3 模型训练和验证 | 第52-55页 |
| 5.4 实验对比 | 第55-57页 |
| 5.4.1 FluxBuster实验对比 | 第55-56页 |
| 5.4.2 DGA识别工具对比 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66-67页 |
