基于生成对抗网络的恶意代码识别研究与应用

发布时间：2021-06-27 15:11

　　恶意JavaScript代码被广泛应用在攻击客户端浏览器,窃取用户的隐私,使网络安全受到严重的挑战。为了保护用户免受攻击,需要在这些恶意代码被执行前检测出来。恶意代码检测的方法有静态方法和动态方法。静态方法检测效率高,并且不需要执行JavaScript代码,但由于新的恶意代码常常拥有新的特征模式,所以采用静态方法很难检测出来;动态方法通常需要在模拟环境中执行JavaScript代码,分析其运行时状态和行为变化,即使对于新的恶意代码也有很高的识别率,但是每次分析都需要大量时间模拟执行,所以效率不高。近几年学者将机器学习方法引用到恶意代码的识别上,通过使用样本对分类器进行训练,在恶意代码的识别效率和对新型恶意代码的检测上都取得了不错的效果。基于机器学习的方法需要收集大量的已标记的样本,但恶意JavaScript代码存在收集困难,人工标记困难等特点。本文通过改进生成对抗网络（Generative Adversarial Nets,GAN）,提出了一种使用对抗网络生成样本训练模型的方法,并提高模型识别的准确率。针对样本不足导致传统分类器训练结果不理想的问题,本文提出使用生成对抗网络生成样本的方... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图２－３?ＧＡＮ的衍生模型??Ｆｉｇ？２＂３?Ｄｅｒｉｖａｔｉｖｅ?ｍｏｄｅｌ??由于实际?

图４－２标准网络和ｄｒｏｐｏｕｔ网络??Ｆｉｇ．４－２?Ｓｔａｎｄａｒｄ?ｎｅｔｗｏｒｋ?＆?Ｄｒｏｐｏｕｔ?ｎｅｔｗｏｒｋ??

图４－４?ｔａｎｈ函数??Ｆｉｇ．４－４?ｔａｎｈ?ｆｕｎｃｔｉｏｎ??

【参考文献】：
期刊论文
[1]生成式对抗神经网络的多帧红外图像超分辨率重建[J]. 李方彪,何昕,魏仲慧,何家维,何丁龙.  红外与激光工程. 2018(02)
[2]基于条件生成对抗网络的手绘图像检索[J]. 刘玉杰,窦长红,赵其鲁,李宗民,李华.  计算机辅助设计与图形学学报. 2017(12)
[3]基于动态污点传播模型的DOM XSS漏洞检测[J]. 贾文超,汪永益,施凡,常超.  计算机应用研究. 2014(07)
[4]基于代理的Cookie保护技术研究[J]. 徐璐,周安民,刘亮,周妍.  计算机应用研究. 2012(08)

硕士论文
[1]基于代理的跨站脚本攻击检测技术研究[D]. 徐浩然.电子科技大学 2016
[2]一种支持AJAX的WEB安全网关代理设计与实现[D]. 陈泳杉.哈尔滨工程大学 2015
[3]基于模糊测试方法的Web应用安全性测试技术的研究及其工具实现[D]. 都娟.华东师范大学 2011



本文编号：3253086