| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关关键技术概述 | 第14-25页 |
| 2.1 计算机恶意代码的分类 | 第14-16页 |
| 2.2 计算机恶意代码检测方法 | 第16-19页 |
| 2.2.1 特征码扫描技术 | 第16-17页 |
| 2.2.2 基于纹理的检测技术 | 第17页 |
| 2.2.3 完整性检测技术 | 第17-18页 |
| 2.2.4 静态启发式检测技术 | 第18页 |
| 2.2.5 动态启发式检测技术 | 第18页 |
| 2.2.6 基于交叉视图的恶意代码检测技术 | 第18-19页 |
| 2.2.7 恶意代码检测技术分析与比较 | 第19页 |
| 2.3 云计算 | 第19-22页 |
| 2.3.1 云计算概述 | 第19-20页 |
| 2.3.2 云计算关键技术理念 | 第20-22页 |
| 2.4 Hadoop | 第22-24页 |
| 2.4.1 MapReduce | 第22-23页 |
| 2.4.2 HDFS | 第23页 |
| 2.4.3 HBase | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于云计算的恶意代码检测相关算法研究与改进 | 第25-35页 |
| 3.1 聚类算法研究 | 第25-28页 |
| 3.1.1 聚类算法概述 | 第25-26页 |
| 3.1.2 DBScan聚类算法介绍 | 第26-27页 |
| 3.1.3 基于Jaccard相似度的DBScan聚类算法 | 第27-28页 |
| 3.2 分类算法研究 | 第28-33页 |
| 3.2.1 分类算法 | 第28-31页 |
| 3.2.2 SVM分类算法 | 第31-32页 |
| 3.2.3 基于云计算平台Hadoop的并行kNN算法研究 | 第32-33页 |
| 3.3 决策算法研究 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于云计算的恶意代码检测框架设计与实现 | 第35-52页 |
| 4.1 模型总体设计 | 第35-36页 |
| 4.2 数据数字化模块 | 第36-37页 |
| 4.3 训练模块设计与实现 | 第37-41页 |
| 4.3.1 聚类子模块 | 第38-40页 |
| 4.3.2 训练分类子模块 | 第40-41页 |
| 4.4 检测模块设计与实现 | 第41-47页 |
| 4.4.1 检测分类子模块 | 第42-46页 |
| 4.4.2 检测与决策子模块 | 第46-47页 |
| 4.5 实验数据及分析 | 第47-51页 |
| 4.5.1 数据集 | 第47页 |
| 4.5.2 恶意代码检测率对比 | 第47-48页 |
| 4.5.3 基于云平台的恶意代码检测运行速度实验及分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
