【摘要】：目前,互聯(lián)網(wǎng)給人類帶來(lái)了極大的便利,但與此同時(shí),惡意網(wǎng)頁(yè)攻擊事件頻繁發(fā)生,其中大部分的JavaScript攻擊代碼都是通過(guò)混淆實(shí)施的。為了進(jìn)一步對(duì)抗惡意網(wǎng)頁(yè)攻擊,保護(hù)用戶的個(gè)人財(cái)產(chǎn)安全,檢測(cè)JavaScript混淆腳本已成為當(dāng)前的一個(gè)重要方向。傳統(tǒng)的JavaScript代碼混淆檢測(cè)方法主要采用一些淺層機(jī)器學(xué)習(xí)模型或者度量法,它們都需要事先對(duì)JavaScript代碼混淆有一定的深入研究,對(duì)特征要求嚴(yán)格,特征提取過(guò)程復(fù)雜,并且特征選擇的好壞影響著檢測(cè)的精確率。據(jù)此,論文提出了一種基于Bigram的字符矩陣特征提取方法,以簡(jiǎn)化特征提取過(guò)程。同時(shí)提出一種基于CNN(卷積神經(jīng)網(wǎng)絡(luò))的JS(JavaScript)代碼混淆檢測(cè)方法,以提高檢測(cè)的精確率。首先,針對(duì)傳統(tǒng)JavaScript代碼混淆特征提取方法存在過(guò)程復(fù)雜,需要對(duì)JavaScript代碼混淆有長(zhǎng)時(shí)間的研究以及不具有普適性等問(wèn)題,論文提出了一種基于Bigram的字符矩陣特征提取方法。該方法受Bigram語(yǔ)義模型與馬爾科夫概率矩陣啟發(fā),在字符級(jí)別上對(duì)JavaScript代碼進(jìn)行特征提取,簡(jiǎn)化了特征提取過(guò)程,提高了普適性。其次,針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)檢測(cè)方法大都是一些淺層模型,對(duì)特征要求高,且檢測(cè)精確率低的問(wèn)題,論文提出了一種基于CNN的JavaScript代碼混淆檢測(cè)方法,利用CNN對(duì)矩陣特征向量強(qiáng)大的學(xué)習(xí)能力,不僅降低了對(duì)特征的要求,還有效的提高了檢測(cè)JavaScript代碼混淆的精確率。最后,論文對(duì)提出的特征提取方法以及卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)JavaScript代碼混淆方法進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)表明,論文提出的字符矩陣特征提取方法具有明顯的區(qū)分能力,并且是傳統(tǒng)特征提取方法耗時(shí)的一半。同時(shí),相比于傳統(tǒng)的機(jī)器學(xué)習(xí)檢測(cè)方法,卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)方法提升了0.6%精確率。
【圖文】：

圖 1.1 論文框架結(jié)構(gòu)第 3 章分析總結(jié)了當(dāng)前機(jī)器學(xué)習(xí)檢測(cè)方法的不足，在第 2 章提取的矩陣特征基礎(chǔ)上，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的 JavaScript 代碼混淆檢測(cè)方法，闡述了CNN 較其他淺層機(jī)器學(xué)習(xí)的優(yōu)勢(shì)，最后詳細(xì)描述了基于卷積神經(jīng)網(wǎng)絡(luò)的JavaScript 代碼混淆檢測(cè)方法的具體過(guò)程。第 4 章主要描述了基于 Bigram 的字符矩陣特征提取方法以及基于卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法的實(shí)驗(yàn)過(guò)程，將所提取的字符矩陣特征進(jìn)行可視化并與其他特征提取方法進(jìn)行比較，同時(shí)分別進(jìn)行了卷積神經(jīng)網(wǎng)絡(luò)檢測(cè) JavaScript 代碼混淆方法與淺層機(jī)器學(xué)習(xí)檢測(cè) JavaScript 代碼混淆方法的實(shí)驗(yàn)，根據(jù)實(shí)驗(yàn)結(jié)果，證明了論文提出特征提取方法可以有效減少特征提取時(shí)間，并且論文提出的檢測(cè)方法，，可以有效的提高檢測(cè)的精確率。最后，對(duì)全文基于 CNN 的 JS 代碼混淆檢測(cè)方法進(jìn)行了總結(jié)，并且闡述了本文存在的一些不足，同時(shí)，對(duì)這些不足提出了后期的計(jì)劃。

隨機(jī)混淆
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 宣以廣;周華;;基于字符熵的JavaScript代碼混淆自動(dòng)檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2015年01期

2 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

本文編號(hào)：2609094