基于机器学习的可视化恶意代码分类技术研究

声明

第1章 绪论

1.1 课题研究的背景及意义

1.2 国内外研究现状

1.3 论文主要研究内容及结构

第2章 恶意代码分类技术研究

2.1 恶意代码相关理论

2.1.1 恶意代码研究背景

2.1.2 恶意代码种类

2.1.3 恶意代码生存技术

2.2 恶意代码特征研究

2.2.1 恶意代码特征提取方法

2.2.2 API调用

2.2.3 ASM文件

2.2.4 二进制文件

2.3 恶意代码分类技术

2.3.1 基于相似性的分类方法

2.3.2 基于数据挖掘的分类方法

2.4 本章小结

第3章 面向Faster-rcnn网络的恶意代码分类方法

3.1 恶意代码可视化

3.2 传统的恶意代码图像分析方法

3.3 Faster-rcnn检测网络

3.4.1 实验数据预处理

3.4.2 Faster-rcnn网络模型训练

3.5 本章小结

第4章 基于改进的迁移Faster-rcnn网络的恶意代码分类方法

4.1 迁移学习

4.2 特征提取和微调

4.2.1 特征提取

4.2.2 微调

4.3 基于改进的迁移Faster-rcnn网络

4.4 本章小结

第5章 实验验证及性能分析

5.1 实验环境

5.2 性能评价

5.3.1 实验过程

5.3.2 实验结果分析

5.3.3 实验结果对比

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢