基于网络异常行为的智能终端恶意软件检测技术研究.pdf

基于网络异常行为的智能终端恶意软件检测技术研究.pdf

ID:50429319

大小:4.48 MB

页数:62页

时间:2020-03-06

基于网络异常行为的智能终端恶意软件检测技术研究.pdf_第1页
基于网络异常行为的智能终端恶意软件检测技术研究.pdf_第2页
基于网络异常行为的智能终端恶意软件检测技术研究.pdf_第3页
基于网络异常行为的智能终端恶意软件检测技术研究.pdf_第4页
基于网络异常行为的智能终端恶意软件检测技术研究.pdf_第5页
资源描述:

《基于网络异常行为的智能终端恶意软件检测技术研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、-■.'..礙,^詳:‘如点,."■:r^V-’心...’.’-:j/J???■*'方?"1.*5/...‘I:t辕亡心奪^;:.1咬'-'.?,?'-..y/\?’'■■■-■-。-::个;/?;j诗扭;'■.':‘-V令:.‘■占否:一;’户-V’:1'\车姑巧硕击学位论龙賴辞专■(■..V1..''.;,扣4;.fJV沪

2、#,的J-=':11^.J-.;\测技术研究;■''.巧?--、车..-,*■''.尸'■-■占.i;■.??J?:,<*.1,?‘、■11.11..,'.含.民escarch刖1TedinoloafliitelHentTTermina!gyg無每',山MalwareDetecti(pBasfidonAnoiiialy’'.'據...V^ivNetwo雜Behjio旷;.躬V-...V,,;v\曹明静

3、’妻片^心,/'一.V亡…..,:,裝风細做兩防抗诚娘接鑑,,咖法成Mfe政;-_;;r;、..:.扩7^..逆恶V.,..這国内图书分类号:TP309学校代码:10079国际图书分类号:004.05密级:公开硕士学位论文基于网络异常行为的智能终端恶意软件检测技术研究硕士研究生:曹明静导师:戚银城教授申请学位:工学硕士学科:信息与通信工程专业:信号与信息处理所在学院:电气与电子工程学院答辩日期:2015年3月授予学位单位:华北电力大学ClassifiedIndex:TP309U.D.C:004.05Thesisfor

4、theMasterDegreeResearchonTechnologyofIntelligentTerminalMalwareDetectionBasedonAnomalyNetworkBehaviorsCandidate:CaoMingjingSupervisor:QiYinchengSchool:SchoolofElectricalandElectronicEngineeringDateofDefence:March,2015Degree-Conferring-NorthChinaElectricPowerInstitution:University华

5、北电力大学硕士学位论文摘要近几年,智能移动终端使用量迅猛增加,尤其是Android平台的手机,几乎占了手机市场的大半份额。而由于Android系统的开放特性和上网环境的便捷性,很多攻击者把智能终端当成了攻击的目标,他们能轻易收集用户隐私信息,从而对用户造成巨大威胁。本文主要在研究Android平台上恶意软件威胁特性和现有检测方案的基础上,提出一种基于网络行为的恶意软件检测方案,实现了对Android平台上恶意软件的有效检测。本文通过分析软件运行过程中相关的网络特性如流量、端口、IP地址等,发现在正常软件运行情况下,网络信息比较稳定,而一旦感染窃密木马或僵尸

6、网络,就会在流量和网址等网络行为上表现出异常。由此可知恶意软件的多种操作都和网络信息有关,所以将网络行为作为检测依据的方法是有效的。本文具体研究工作如下:首先,获取网络行为信息。为提高网络行为数据的真实性,网络行为获取模块基于Linux内核的Netfilter框架,在框架的检测点处设置处理函数,分析从内核获取的网络数据包并解析出需要的信息,这些信息是来自Android手机架构的Linux内核层,底层获取的方法能保证数据的真实性。然后,处理数据与检测异常。为了提高检测效率,本文采用约简特征数据的方法对捕获的原始网络数据进行预处理,提高朴素贝叶斯算法在网络行为

7、数据处理环境下的适用性。预处理部分首先对网络数据进行清理,将无用信息清除;然后借助建立静态地址库和字段查询等方法对各数据进行划分,将繁杂数据归一化,最后构造特征向量。本文的异常识别模块主要部分是朴素贝叶斯分类器,将预处理后的数据作为特征向量引入到朴素贝叶斯分类器中,进行分类检测,检测结果有两个:正常和异常。最后,引入隐私数据监测技术。由于隐私窃取软件危害大小与其窃取数据的来源和路径有关,为了保证隐私窃取软件的危害可知性,本文引入了隐私数据监测技术,对异常识别模块检测出的恶意软件进行数据流跟踪,确定其隐私数据泄漏路径,从而明确其危害性大小,以便进行下一步处理

8、。文章最后将该系统进行功能测试,测试结果证明了该系统的有效性。关键

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。