PE病毒文件聚类技术研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状及存在问题 | 第12-14页 |
| 1.3.1 国内外研究现状 | 第13-14页 |
| 1.3.2 当前存在问题 | 第14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 PE病毒家族及病毒分析技术 | 第16-23页 |
| 2.1 PE病毒简介 | 第16-18页 |
| 2.1.1 PE病毒的结构 | 第16-17页 |
| 2.1.2 计算机病毒的传播途径 | 第17页 |
| 2.1.3 计算机病毒的发展及趋势 | 第17-18页 |
| 2.2 PE病毒家族介绍 | 第18-19页 |
| 2.3 病毒检测技术 | 第19-22页 |
| 2.3.1 特征码扫描法 | 第19-20页 |
| 2.3.2 启发式扫描技术 | 第20-21页 |
| 2.3.3 行为检测技术 | 第21页 |
| 2.3.4 分析法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 PE病毒文件特征提取模型研究 | 第23-33页 |
| 3.1 PE病毒文件特征提取模型 | 第23页 |
| 3.2 PE结构特征提取模型研究 | 第23-30页 |
| 3.2.1 PE文件结构分析 | 第24-28页 |
| 3.2.2 输入表哈希值提取 | 第28-29页 |
| 3.2.3 PE结构特征汇总 | 第29-30页 |
| 3.3 n-gram特征提取模型研究 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 PE病毒文件特征提取算法和聚类算法研究 | 第33-50页 |
| 4.1 PE病毒文件聚类系统总体模型 | 第33页 |
| 4.2 基于信息增益的特征选择算法研究 | 第33-36页 |
| 4.2.1 信息增益算法 | 第34-35页 |
| 4.2.2 信息增益筛选n-gram特征 | 第35-36页 |
| 4.3 时序特征提取算法 | 第36-40页 |
| 4.3.1 Word2vec提取时序特征原理 | 第36-38页 |
| 4.3.2 时序特征降维 | 第38-39页 |
| 4.3.3 时序特征提取算法的实现 | 第39-40页 |
| 4.4 聚类算法 | 第40-49页 |
| 4.4.1 聚类算法原理 | 第40-42页 |
| 4.4.2 相似性度量 | 第42-43页 |
| 4.4.3 K-means聚类算法研究 | 第43-44页 |
| 4.4.4 密度峰值聚类算法研究 | 第44-48页 |
| 4.4.5 两种聚类算法分析对比 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 PE病毒文件聚类系统的实现及验证 | 第50-64页 |
| 5.1 PE病毒聚类系统架构 | 第50-55页 |
| 5.1.1 PE病毒文件解析模块 | 第50-51页 |
| 5.1.2 特征向量提取模块 | 第51-53页 |
| 5.1.3 分类模块和分类评价模块 | 第53-54页 |
| 5.1.4 聚类模块和聚类评价模块 | 第54-55页 |
| 5.2 实验环境 | 第55页 |
| 5.3 特征提取及验证 | 第55-58页 |
| 5.3.1 评判标准 | 第55页 |
| 5.3.2 数据来源 | 第55-57页 |
| 5.3.3 实验结果 | 第57-58页 |
| 5.4 聚类分析实验 | 第58-63页 |
| 5.4.1 评判标准 | 第58页 |
| 5.4.2 数据来源 | 第58-59页 |
| 5.4.3 实验结果及分析 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 6.1 论文工作总结 | 第64页 |
| 6.2 后续工作展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文 | 第69页 |
