基于深度學(xué)習(xí)的惡意應(yīng)用檢測(cè)技術(shù)研究與實(shí)現(xiàn)
發(fā)布時(shí)間:2025-05-20 06:41
Android與Windows分別是目前最受歡迎的移動(dòng)操作系統(tǒng)與桌面操作系統(tǒng),它們的軟件安裝管理方式較為開(kāi)放與寬松,在這兩種操作系統(tǒng)上存在著大量惡意應(yīng)用軟件。各類惡意應(yīng)用給個(gè)人、企業(yè)與政府部門帶來(lái)隱私泄露、商業(yè)機(jī)密泄露、公眾信息泄露與經(jīng)濟(jì)損失等問(wèn)題。本文對(duì)這兩種系統(tǒng)下的惡意應(yīng)用檢測(cè)問(wèn)題進(jìn)行了研究,提出了一種結(jié)合一維卷積神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)的惡意應(yīng)用檢測(cè)模型及其配套的預(yù)處理方法,基于微服務(wù)架構(gòu)理念設(shè)計(jì)并實(shí)現(xiàn)了一套分布式惡意應(yīng)用檢測(cè)引擎。本文提出了一種基于深度學(xué)習(xí)的惡意應(yīng)用檢測(cè)技術(shù),包括一種檢測(cè)模型及與其配套的預(yù)處理方法。該檢測(cè)技術(shù)把從應(yīng)用文件中提取的信息分為兩大類,離散信息與序列信息,對(duì)應(yīng)這兩種信息分別設(shè)計(jì)了基于一維卷積神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)的兩個(gè)分支模型,兩個(gè)分支模型合并形成最終的檢測(cè)模型。預(yù)處理方法根據(jù)對(duì)應(yīng)用文件處理程度的不同,設(shè)計(jì)了快速模式與慢速模式。該檢測(cè)技術(shù)將Android與Windows這兩種操作系統(tǒng)下的檢測(cè)問(wèn)題整合到一個(gè)框架下,在慢速預(yù)處理模式下相比現(xiàn)有模型提高了 2~3%的準(zhǔn)確率,在快速預(yù)處理模式下相比現(xiàn)有檢測(cè)技術(shù)準(zhǔn)確率在降低不到2%的情況下,檢測(cè)速度提高了 5倍以上。本...
【文章頁(yè)數(shù)】:66 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 研究現(xiàn)狀
1.3 論文主要工作
1.4 論文的組織結(jié)構(gòu)
第二章 基礎(chǔ)技術(shù)知識(shí)
2.1 Android與Windows惡意應(yīng)用檢測(cè)技術(shù)
2.2 深度學(xué)習(xí)技術(shù)
2.3 微服務(wù)架構(gòu)設(shè)計(jì)技術(shù)
2.3.1 微服務(wù)架構(gòu)簡(jiǎn)介
2.3.2 容器化技術(shù)
2.3.3 容器編排技術(shù)
2.4 本章小結(jié)
第三章 基于深度學(xué)習(xí)的惡意應(yīng)用檢測(cè)技術(shù)
3.1 檢測(cè)方法概述
3.2 數(shù)據(jù)預(yù)處理方法
3.2.1 快速預(yù)處理步驟
3.2.2 慢速預(yù)處理步驟
3.3 檢測(cè)模型
3.3.1 模型基本構(gòu)件選擇
3.3.2 訓(xùn)練過(guò)程及超參數(shù)選擇
3.4 實(shí)驗(yàn)驗(yàn)證
3.4.1 實(shí)驗(yàn)系統(tǒng)配置
3.4.2 樣本集來(lái)源及劃分
3.4.3 實(shí)驗(yàn)結(jié)果指標(biāo)
3.4.4 實(shí)驗(yàn)結(jié)果及分析
3.5 本章小結(jié)
第四章 分布式惡意應(yīng)用檢測(cè)引擎設(shè)計(jì)
4.1 需求分析與設(shè)計(jì)目標(biāo)
4.1.1 檢測(cè)引擎的需求分析
4.1.2 檢測(cè)引擎的設(shè)計(jì)目標(biāo)
4.2 檢測(cè)引擎系統(tǒng)設(shè)計(jì)
4.2.1 總體架構(gòu)設(shè)計(jì)
4.2.2 各微服務(wù)模塊詳細(xì)設(shè)計(jì)
4.3 本章小結(jié)
第五章 分布式惡意應(yīng)用檢測(cè)引擎實(shí)現(xiàn)與測(cè)試
5.1 檢測(cè)引擎實(shí)現(xiàn)
5.2 檢測(cè)引擎部署與測(cè)試
5.2.1 公有云部署檢測(cè)引擎
5.2.2 分布式檢測(cè)引擎測(cè)試
5.3 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 不足與展望
參考文獻(xiàn)
致謝
本文編號(hào):4047007
【文章頁(yè)數(shù)】:66 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 研究現(xiàn)狀
1.3 論文主要工作
1.4 論文的組織結(jié)構(gòu)
第二章 基礎(chǔ)技術(shù)知識(shí)
2.1 Android與Windows惡意應(yīng)用檢測(cè)技術(shù)
2.2 深度學(xué)習(xí)技術(shù)
2.3 微服務(wù)架構(gòu)設(shè)計(jì)技術(shù)
2.3.1 微服務(wù)架構(gòu)簡(jiǎn)介
2.3.2 容器化技術(shù)
2.3.3 容器編排技術(shù)
2.4 本章小結(jié)
第三章 基于深度學(xué)習(xí)的惡意應(yīng)用檢測(cè)技術(shù)
3.1 檢測(cè)方法概述
3.2 數(shù)據(jù)預(yù)處理方法
3.2.1 快速預(yù)處理步驟
3.2.2 慢速預(yù)處理步驟
3.3 檢測(cè)模型
3.3.1 模型基本構(gòu)件選擇
3.3.2 訓(xùn)練過(guò)程及超參數(shù)選擇
3.4 實(shí)驗(yàn)驗(yàn)證
3.4.1 實(shí)驗(yàn)系統(tǒng)配置
3.4.2 樣本集來(lái)源及劃分
3.4.3 實(shí)驗(yàn)結(jié)果指標(biāo)
3.4.4 實(shí)驗(yàn)結(jié)果及分析
3.5 本章小結(jié)
第四章 分布式惡意應(yīng)用檢測(cè)引擎設(shè)計(jì)
4.1 需求分析與設(shè)計(jì)目標(biāo)
4.1.1 檢測(cè)引擎的需求分析
4.1.2 檢測(cè)引擎的設(shè)計(jì)目標(biāo)
4.2 檢測(cè)引擎系統(tǒng)設(shè)計(jì)
4.2.1 總體架構(gòu)設(shè)計(jì)
4.2.2 各微服務(wù)模塊詳細(xì)設(shè)計(jì)
4.3 本章小結(jié)
第五章 分布式惡意應(yīng)用檢測(cè)引擎實(shí)現(xiàn)與測(cè)試
5.1 檢測(cè)引擎實(shí)現(xiàn)
5.2 檢測(cè)引擎部署與測(cè)試
5.2.1 公有云部署檢測(cè)引擎
5.2.2 分布式檢測(cè)引擎測(cè)試
5.3 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 不足與展望
參考文獻(xiàn)
致謝
本文編號(hào):4047007
本文鏈接:http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/4047007.html
上一篇:基于視覺(jué)傳感的智能運(yùn)動(dòng)訓(xùn)練系統(tǒng)的研發(fā)
下一篇:沒(méi)有了
下一篇:沒(méi)有了
最近更新
教材專著