| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究状况 | 第12-13页 |
| 1.2.2 国外研究状况 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文章节安排 | 第14-16页 |
| 第二章 网页木马检测系统相关理论与技术 | 第16-26页 |
| 2.1 网页木马概述 | 第16-18页 |
| 2.1.1 网页木马定义 | 第16页 |
| 2.1.2 网页木马的传播方式 | 第16-17页 |
| 2.1.3 网页木马的检测方法 | 第17-18页 |
| 2.2 基于JAVASCRIPT恶意脚本的网页木马 | 第18-22页 |
| 2.2.1 直接挂马 | 第20-21页 |
| 2.2.2 间接挂马 | 第21-22页 |
| 2.3 数据挖掘的定义和方法 | 第22-23页 |
| 2.4 机器学习 | 第23-24页 |
| 2.4.1 机器学习的概念和模型 | 第23页 |
| 2.4.2 机器学习的原理 | 第23-24页 |
| 2.5 数据挖掘和机器学习的关系 | 第24页 |
| 2.6 基于数据挖掘和机器学习的恶意代码检测 | 第24-25页 |
| 2.7 开发技术 | 第25页 |
| 2.8 本章小结 | 第25-26页 |
| 第三章 系统需求分析 | 第26-30页 |
| 3.1 需求分析 | 第26页 |
| 3.2 系统功能性需求 | 第26-29页 |
| 3.3 系统非功能性需求 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 网页木马检测系统设计 | 第30-53页 |
| 4.1 系统的总体框架 | 第30-31页 |
| 4.2 系统的工作流程 | 第31-35页 |
| 4.2.1 系统工作流程 | 第31-32页 |
| 4.2.2 系统检测流程 | 第32-35页 |
| 4.3 URL黑名单模块 | 第35页 |
| 4.4 网络爬虫模块设计 | 第35-37页 |
| 4.5 JAVASCRIPT样本收集 | 第37-39页 |
| 4.5.1 正常脚本获取流程 | 第37-38页 |
| 4.5.2 恶意脚本获取流程 | 第38-39页 |
| 4.6 JAVASCRIPT编译模块设计 | 第39-40页 |
| 4.7 特征提取模块设计 | 第40-44页 |
| 4.7.1 n-gram特征提取技术 | 第40-41页 |
| 4.7.2 特征选择技术 | 第41页 |
| 4.7.3 n-gram特征提取过程 | 第41-43页 |
| 4.7.4 n-gram类图 | 第43-44页 |
| 4.8 集成分类器模块设计 | 第44-51页 |
| 4.8.1 BP神经网络 | 第44-46页 |
| 4.8.2 集成分类技术 | 第46页 |
| 4.8.3 AdaBoost集成分类技术 | 第46-47页 |
| 4.8.4 BP神经网络集成分类器模型训练 | 第47-50页 |
| 4.8.5 BP神经网络集成分类器类图 | 第50-51页 |
| 4.9 数据库设计 | 第51-52页 |
| 4.10 本章小结 | 第52-53页 |
| 第五章 系统详细设计与实现 | 第53-65页 |
| 5.1 主界面设计 | 第53-54页 |
| 5.2 系统主界面类图 | 第54-55页 |
| 5.3 网络爬虫模块实现 | 第55-59页 |
| 5.4 特征提取模块的实现 | 第59-62页 |
| 5.5 BP神经网络集成分类器模块的实现 | 第62-64页 |
| 5.5.1 训练结果分析 | 第62-63页 |
| 5.5.2 分类器实现 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 系统测试 | 第65-71页 |
| 6.1 系统测试流程 | 第65-66页 |
| 6.2 功能性测试 | 第66-70页 |
| 6.2.1 网络爬虫模块 | 第66页 |
| 6.2.2 网页木马检测功能 | 第66-69页 |
| 6.2.3 JS样本库功能 | 第69-70页 |
| 6.3 健壮性测试 | 第70页 |
| 6.4 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 本文的主要贡献 | 第71页 |
| 7.2 下一步工作的展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |