JavaScript（JS）是網(wǎng)絡(luò)開(kāi)發(fā)中最為廣泛應(yīng)用的腳本語(yǔ)言,也是最常被攻擊者利用的語(yǔ)言之一,這使惡意JS代碼檢測(cè)成為了安全領(lǐng)域的熱點(diǎn)問(wèn)題。近年來(lái),機(jī)器學(xué)習(xí)在多個(gè)領(lǐng)域取得了令人矚目的進(jìn)展,研究者提出了一些基于機(jī)器學(xué)習(xí)的惡意JS代碼檢測(cè)方法。然而,這些方法通常將JS視作一種自然語(yǔ)言而非程序語(yǔ)言,并應(yīng)用自然語(yǔ)言處理的模型和方法進(jìn)行研究。雖然自然語(yǔ)言和程序語(yǔ)言存在相似之處,但這些方法忽略了程序語(yǔ)言獨(dú)有的語(yǔ)法信息和語(yǔ)義信息。本文提出了一個(gè)惡意JS代碼檢測(cè)模型JSAC。JSAC模型結(jié)合了深度學(xué)習(xí)技術(shù)和程序分析方法以分析JS程序中的語(yǔ)法和語(yǔ)義信息,并依據(jù)這兩類(lèi)信息對(duì)程序進(jìn)行惡意性檢測(cè)。具體來(lái)說(shuō),對(duì)于一個(gè)JS程序,JSAC模型生成出它的抽象語(yǔ)法樹(shù)（Abstract Syntax tree,AST）和控制流圖（Control Flow Graph,CFG）;再將AST中的結(jié)點(diǎn)和CFG中的指令轉(zhuǎn)換為向量表示;接著JSAC模型將這兩類(lèi)向量分別送入基于樹(shù)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型和基于圖結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型,從中提取語(yǔ)法特征和語(yǔ)義特征;最后,提取出的兩類(lèi)特征向量被合并到一起以用作分類(lèi)檢測(cè)。本文在包含有695... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景和意義
    1.2 研究領(lǐng)域現(xiàn)狀
        1.2.1 靜態(tài)分析方法
        1.2.2 動(dòng)態(tài)分析方法
    1.3 本文研究?jī)?nèi)容
    1.4 本文結(jié)構(gòu)安排
第二章 相關(guān)技術(shù)和理論
    2.1 網(wǎng)絡(luò)爬蟲(chóng)
    2.2 程序分析
    2.3 抽象語(yǔ)法樹(shù)
    2.4 控制流圖
    2.5 詞嵌入與分布式向量表示
    2.6 卷積神經(jīng)網(wǎng)絡(luò)
    2.7 小結(jié)
第三章 JSAC模型設(shè)計(jì)
    3.1 分布式向量表示
        3.1.1 抽象語(yǔ)法樹(shù)結(jié)點(diǎn)類(lèi)型的向量表示
        3.1.2 控制流圖指令類(lèi)型的向量表示
    3.2 基于樹(shù)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 表示學(xué)習(xí)層
        3.2.2 編碼層
        3.2.3 基于樹(shù)結(jié)構(gòu)的卷積層
        3.2.4 動(dòng)態(tài)池化層
    3.3 基于圖結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)
    3.4 特征合并與分類(lèi)
    3.5 小結(jié)
第四章 JSAC模型實(shí)現(xiàn)
    4.1 數(shù)據(jù)預(yù)處理
        4.1.1 生成抽象語(yǔ)法樹(shù)
        4.1.2 生成控制流圖
    4.2 分布式向量表示
        4.2.1 樹(shù)結(jié)點(diǎn)的分布式向量表示
        4.2.2 圖指令的分布式向量表示
    4.3 神經(jīng)網(wǎng)絡(luò)模型
        4.3.1 基于樹(shù)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)
        4.3.2 基于圖結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)
        4.3.3 特征合并與分類(lèi)
    4.4 小結(jié)
第五章 實(shí)驗(yàn)和評(píng)估
    5.1 構(gòu)建數(shù)據(jù)集
        5.1.1 獲取正常樣本
        5.1.2 獲取惡意樣本
    5.2 參數(shù)調(diào)優(yōu)
        5.2.1 調(diào)整分布式向量的維度
        5.2.2 調(diào)整卷積核的數(shù)量
        5.2.3 調(diào)整全連接層的數(shù)量
    5.3 實(shí)驗(yàn)結(jié)果和評(píng)估
        5.3.1 對(duì)分布式向量的評(píng)估
        5.3.2 模型評(píng)估指標(biāo)
        5.3.3 對(duì)JSAC檢測(cè)性能的評(píng)估
        5.3.4 對(duì)語(yǔ)法特征和語(yǔ)義特征的評(píng)估
    5.4 小結(jié)
第六章 總結(jié)與展望
    6.1 設(shè)計(jì)與性能
    6.2 存在的不足
    6.3 未來(lái)工作
參考文獻(xiàn)
附錄 縮略語(yǔ)表
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3014731