基于Ether的恶意软件动态分析
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 课题的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 恶意软件的分析方法 | 第15-20页 |
| 2.1 恶意软件简介 | 第15-16页 |
| 2.2 恶意软件分析方法 | 第16-17页 |
| 2.3 程序动态分析介绍 | 第17-18页 |
| 2.4 恶意软件的行为 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 Xen和Ether简介 | 第20-31页 |
| 3.1 虚拟化技术 | 第20-23页 |
| 3.1.1 虚拟化的定义 | 第20-21页 |
| 3.1.2 虚拟机 | 第21页 |
| 3.1.3 虚拟机监视器(VMM) | 第21-22页 |
| 3.1.4 虚拟化技术的优点 | 第22-23页 |
| 3.2 虚拟机Xen | 第23-24页 |
| 3.3 分析器Ether | 第24-30页 |
| 3.3.1 简介 | 第24页 |
| 3.3.2 主要功能 | 第24-26页 |
| 3.3.3 系统架构及优势 | 第26-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于行为特征检测恶意代码 | 第31-47页 |
| 4.1 基于行为特征的恶意代码检测技术 | 第31-32页 |
| 4.2 支持向量机简介 | 第32-35页 |
| 4.3 特征选择算法 | 第35-41页 |
| 4.3.1 特征选择的4个要素 | 第35-36页 |
| 4.3.2 选择特征向量 | 第36-39页 |
| 4.3.3 特征选择算法的实现 | 第39页 |
| 4.3.4 支持向量机SVM1 | 第39-41页 |
| 4.4 特征提取算法 | 第41-45页 |
| 4.4.1 最大模式集 | 第41-42页 |
| 4.4.2 精简模式集 | 第42-43页 |
| 4.4.3 支持向量机SVM2 | 第43-45页 |
| 4.5 libsvm的使用介绍 | 第45页 |
| 4.6 本文的检测系统 | 第45-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 实验测试和结果分析 | 第47-49页 |
| 5.1 样本选取 | 第47页 |
| 5.2 性能测试及结果分析 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附表 | 第56页 |
