| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-20页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外的研究现状 | 第11-17页 |
| 1.2.1 恶意代码检测技术的研究现状 | 第11-17页 |
| 1.3 论文的主要内容与结构 | 第17-19页 |
| 1.4 本章小结 | 第19-20页 |
| 2 恶意代码相关分析与检测技术 | 第20-26页 |
| 2.1 恶意代码的定义与分类 | 第20-21页 |
| 2.2 恶意代码的分析技术 | 第21-23页 |
| 2.3 恶意代码的检测技术 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于数据挖掘与机器学习的检测技术 | 第26-45页 |
| 3.1 样本的选择与划分 | 第26-27页 |
| 3.2 特征表示与提取 | 第27-28页 |
| 3.3 特征降维与约简 | 第28-34页 |
| 3.3.1 特征降维 | 第29-31页 |
| 3.3.2 特征约简 | 第31-34页 |
| 3.4 分类算法与模型的选择 | 第34-42页 |
| 3.4.1 单分类器模型 | 第34-39页 |
| 3.4.2 多分类器集成模型 | 第39-42页 |
| 3.5 评价标准 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于多维特征与选择性集成学习的恶意代码检测技术 | 第45-73页 |
| 4.1 检测的基本框架 | 第45-46页 |
| 4.2 实验样本的选择与划分 | 第46-48页 |
| 4.3 多维特征的提取 | 第48-55页 |
| 4.3.1 文件结构层特征 | 第48-49页 |
| 4.3.2 字节层特征 | 第49-50页 |
| 4.3.3 指令层特征 | 第50-51页 |
| 4.3.4 语义层特征 | 第51-55页 |
| 4.4 高维特征的降维与约简 | 第55-56页 |
| 4.5 选择性集成学习与决策融合 | 第56-59页 |
| 4.6 实验设置 | 第59-60页 |
| 4.7 实验步骤 | 第60-63页 |
| 4.8 实验内容与结果分析 | 第63-72页 |
| 4.9 本章小结 | 第72-73页 |
| 5 总结与展望 | 第73-75页 |
| 5.1 本文工作总结 | 第73-74页 |
| 5.2 研究工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读学位期间主要的研究成果 | 第81-82页 |
| 致谢 | 第82页 |