| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 虚拟化面临的安全问题 | 第11页 |
| 1.2.2 虚拟机监控架构 | 第11-15页 |
| 1.2.3 研究现状分析 | 第15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 一种基于活动进程列表的进程检测方法 | 第18-30页 |
| 2.1 恶意代码检测相关技术分析 | 第18-20页 |
| 2.1.1 恶意代码检测的主流技术 | 第18-19页 |
| 2.1.2 恶意代码行为特征分析 | 第19-20页 |
| 2.2 基于活动进程列表的进程检测方法 | 第20-28页 |
| 2.2.1 进程检测技术的分类 | 第20-21页 |
| 2.2.2 基于活动进程列表的进程检测方法 | 第21-26页 |
| 2.2.3 基于活动进程列表的进程检测方法实现流程 | 第26-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 一种基于相似度矩阵深度森林的恶意进程分析方法 | 第30-44页 |
| 3.1 随机森林的相关理论研究 | 第30-34页 |
| 3.1.1 随机森林的重要概念及定理 | 第30-32页 |
| 3.1.2 随机森林的主要思想 | 第32-34页 |
| 3.1.3 随机森林的优缺点分析 | 第34页 |
| 3.2 基于相似度矩阵的深度森林恶意进程分析方法 | 第34-39页 |
| 3.2.1 深度森林模型 | 第35-37页 |
| 3.2.2 问题分析 | 第37-38页 |
| 3.2.3 基于相似度矩阵深度森林的分析方法主要思想 | 第38-39页 |
| 3.3 基于相似度矩阵深度森林的恶意进程分析流程 | 第39-43页 |
| 3.3.1 恶意进程特征选择 | 第40页 |
| 3.3.2 归一化处理 | 第40-41页 |
| 3.3.3 基于相似度矩阵深度森林的恶意进程分析流程 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 实验结果与分析 | 第44-56页 |
| 4.1 实验目的与实验指标 | 第44-45页 |
| 4.2 实验数据与实验环境 | 第45-47页 |
| 4.2.1 实验数据 | 第45-46页 |
| 4.2.2 实验环境 | 第46-47页 |
| 4.3 实验过程与结果分析 | 第47-54页 |
| 4.3.1 进程获取方法实验与分析 | 第47-49页 |
| 4.3.2 恶意进程分析方法实验与分析 | 第49-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
