基于主动学习的恶意代码检测技术研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状及存在问题

1.2.1 恶意代码分析技术

1.2.2 恶意代码检测技术

1.3 论文的组织结构

1.4 论文的主要工作

第二章 主动学习的相关技术基础

2.1 主动学习概述

2.2 主动学习的分类

2.2.1 基于池的主动学习算法

2.2.2 基于流的主动学习算法

2.3 主动学习的应用

2.3.1 在文档分类方面的应用

2.3.2 在图像分类方面的应用

2.3.3 在入侵检测方面的应用

2.4 本章小结

第三章 基于动静融合相关分析的特征提取算法

3.1 恶意代码的混淆技术

3.1.1 加壳技术

3.1.2 变形技术

3.2 算法的基本思想

3.2.1 静态特征提取

3.2.2 动态特征提取

3.2.3 动静融合特征提取

3.3 算法的设计与分析

3.3.1 算法的设计

3.3.2 算法的分析

3.4 模拟实验及结果分析

3.4.1实验目的与设计

3.4.2 实验步骤

3.4.3 实验结果与分析

3.5本章小结

第四章 基于聚类的样本特征降维算法

4.1 降维算法分析

4.2 算法的基本思想

4.2.1 特征矩阵的形成

4.2.2 初始聚类阈值的设定

4.2.3 特征降维

4.3 算法设计与分析

4.3.1 算法的设计

4.3.2 算法的分析

4.4 模拟实验及结果分析

4.4.1 实验目的与设计

4.4.2 实验步骤

4.4.3 实验结果与分析

4.5 本章小结

第五章 基于MDMRE主动学习的恶意代码检测算法

5.1 算法的基本思想

5.1.1 基于随机森林的分类器训练算法

5.1.2 基于最大距离的样本选择算法

5.1.3 基于最小估计风险的样本标记算法

5.2 算法的设计与分析

5.2.1 算法的设计

5.2.2 算法的分析

5.3 模拟实验及结果分析

5.3.1 实验目的与设计

5.3.2 实验步骤

5.3.3 实验结果与分析

5.4 本章小结

结束语

一、论文工作总结

二、论文创新点

三、下一步工作

致谢

参考文献

作者在学期间取得的学术成果