基于深度学习的恶意软件分类方法研究

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.2.1 动态检测

1.2.2 静态检测

1.3 本文的主要贡献与创新

1.4 本论文的结构安排

第二章 相关理论与技术

2.1 恶意软件

2.1.1 恶意软件的定义

2.1.2 恶意软件的种类

2.1.3 恶意软件的传播流程

2.2 恶意软件检测技术

2.2.1 软件特征的定义

2.2.2 静态特征

2.2.3 动态特征

2.3 信息熵

2.4 机器学习经典算法

2.4.1 决策树

2.4.2 随机森林

2.4.3 支持向量机

2.4.4 朴素贝叶斯

2.4.5 K最近邻算法

2.4.6 神经网络

2.5 本章小结

第三章 基于层叠降噪自编码器的恶意软件检测方法研究

3.1 数据集介绍

3.2 数据预处理

3.3 基于层叠降噪自编码器的恶意软件检测方法

3.3.1 层叠降噪自编码器

3.3.2 流程框架

3.3.3 具体流程

3.3.4 全流程自动化的恶意软件检测系统

3.4 本章小结

第四章 实验结果与分析

4.1 实验数据

4.2 评价指标

4.3 实验环境

4.4 实验分析

4.4.1 基于层叠降噪自编码器的实验分析

4.4.2 基于卷积神经网络的对比实验分析

4.5 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献