版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的廣泛應(yīng)用,網(wǎng)絡(luò)安全問(wèn)題越來(lái)越得到用戶和管理者的重視。惡意軟件的傳播,不僅占用感染主機(jī)的大部分系統(tǒng)資源,對(duì)系統(tǒng)造成破壞;同時(shí)還會(huì)搶占網(wǎng)絡(luò)帶寬,造成網(wǎng)絡(luò)堵塞,對(duì)于惡意軟件的研究已經(jīng)成為近年來(lái)國(guó)內(nèi)外在網(wǎng)絡(luò)安全和信息安全領(lǐng)域的研究熱點(diǎn)之一。為了檢測(cè)未知的惡意軟件,論文分析惡意軟件的行為特征,提出了一種基于接觸跟蹤的惡意軟件傳播檢測(cè)方法,主要工作及成果如下:
①借鑒醫(yī)學(xué)中病毒傳播的特性,提出了基于“單點(diǎn)檢測(cè)-多點(diǎn)跟蹤
2、”模式的接觸跟蹤檢測(cè)算法。針對(duì)單一行為特征檢測(cè)誤報(bào)率較大的問(wèn)題,提出了一種基于多特征模式歸類的單點(diǎn)檢測(cè)算法,對(duì)提取的多個(gè)特征分別應(yīng)用基于差分熵定律的檢測(cè)算法,最后利用EWMA算法實(shí)現(xiàn)多特征融合,采用多特征融合技術(shù)能夠更有效地提取屬于惡意軟件特有的行為特征組合,減小系統(tǒng)誤報(bào)率。為了預(yù)先區(qū)分正常數(shù)據(jù)流量和異常數(shù)據(jù)流量,采用了卡爾曼濾波的方法實(shí)現(xiàn)對(duì)正常數(shù)據(jù)流量的預(yù)測(cè),在已知原始數(shù)據(jù)流量的情況下,計(jì)算得到異常數(shù)據(jù)流量預(yù)測(cè)值。為滿足不同網(wǎng)絡(luò)環(huán)境下
3、對(duì)檢測(cè)精度和檢測(cè)速度的要求,提出了三種跟蹤算法:簡(jiǎn)單跟蹤算法,最優(yōu)路徑跟蹤算法和因果跟蹤鏈算法,實(shí)現(xiàn)對(duì)可疑節(jié)點(diǎn)的異常連接行為特征的跟蹤。仿真實(shí)驗(yàn)表明,多點(diǎn)跟蹤模式能夠減小單點(diǎn)檢測(cè)產(chǎn)生的誤報(bào)率。
②提出了基于動(dòng)態(tài)累計(jì)異常行為特征檢測(cè)算法。分析基本累計(jì)異常行為特征檢測(cè)算法檢測(cè)精度和時(shí)間窗口T的關(guān)系,采用了動(dòng)態(tài)時(shí)間窗口的優(yōu)化措施,弱化了時(shí)間窗口對(duì)于檢測(cè)范圍的限制,有效地降低了時(shí)間窗口寬度的不同對(duì)檢測(cè)結(jié)果造成的影響。針對(duì)現(xiàn)有的基本
4、算法對(duì)瞬時(shí)異?,F(xiàn)象的敏感性高的問(wèn)題,提出了相似度計(jì)算結(jié)合熵定律的優(yōu)化算法,降低檢測(cè)算法對(duì)瞬時(shí)異?,F(xiàn)象的敏感度。為了實(shí)現(xiàn)系統(tǒng)參數(shù)對(duì)于動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境的自適應(yīng)調(diào)整,提出了將誤報(bào)率和漏檢率折中尋求“最佳檢測(cè)點(diǎn)”的優(yōu)化算法,利用計(jì)算的每個(gè)時(shí)刻代價(jià)函數(shù)最小值改變參數(shù)值的大小,達(dá)到動(dòng)態(tài)調(diào)整系統(tǒng)參數(shù)的目的。仿真實(shí)驗(yàn)表明,優(yōu)化以后的檢測(cè)算法更能夠有效地適應(yīng)網(wǎng)絡(luò)的動(dòng)態(tài)變化,減小檢測(cè)系統(tǒng)的誤差。
③提出了利用跟蹤樹(shù)實(shí)現(xiàn)對(duì)P2P文件分享系統(tǒng)中污染文
5、件傳播的檢測(cè)機(jī)制。針對(duì)普遍采用的“聲譽(yù)度檢測(cè)機(jī)制”容易被虛假聲譽(yù)評(píng)價(jià)破壞的不足,利用跟蹤樹(shù)算法提高聲譽(yù)度的可信度,從而提高污染文件檢測(cè)的準(zhǔn)確度;針對(duì)文件分享系統(tǒng)可能出現(xiàn)的DDOS攻擊,提出了“軟隔離”結(jié)合“分散攻擊”的防御策略,減小了大量節(jié)點(diǎn)在同一時(shí)刻連接到少數(shù)節(jié)點(diǎn)的可能性。
④提出了改進(jìn)的多參數(shù)蠕蟲(chóng)傳播模型,分別考慮了時(shí)間參數(shù)和對(duì)抗參數(shù)對(duì)于蠕蟲(chóng)傳播的影響,與傳統(tǒng)的蠕蟲(chóng)傳播模型相比較,多參數(shù)蠕蟲(chóng)傳播模型更能夠真實(shí)地反映真實(shí)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于接觸跟蹤的惡意軟件傳播檢測(cè)方法及應(yīng)用研究(1)
- 社交圖方法在惡意軟件檢測(cè)中的應(yīng)用研究.pdf
- 基于信息熵的惡意軟件檢測(cè)方法研究.pdf
- 基于權(quán)限的Android惡意軟件混合檢測(cè)方法研究.pdf
- 基于攻擊樹(shù)的Android惡意軟件混合檢測(cè)方法研究.pdf
- 基于支持向量機(jī)的Android惡意軟件檢測(cè)方法研究.pdf
- 惡意軟件分發(fā)網(wǎng)絡(luò)檢測(cè)方法的研究.pdf
- 基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法應(yīng)用研究.pdf
- 基于支持向量機(jī)的Android惡意軟件檢測(cè)方法.pdf
- 基于數(shù)據(jù)挖掘的惡意軟件檢測(cè)研究.pdf
- 人眼檢測(cè)與跟蹤的方法及應(yīng)用研究.pdf
- 基于數(shù)據(jù)挖掘的惡意軟件檢測(cè)研究
- 基于Android內(nèi)存鏡像的惡意軟件檢測(cè)研究.pdf
- 基于系統(tǒng)調(diào)用的惡意軟件檢測(cè).pdf
- 基于程序切片的Android惡意軟件檢測(cè)研究.pdf
- 基于iOS平臺(tái)的惡意軟件檢測(cè)機(jī)制研究.pdf
- 基于Dalvik指令特征的Android惡意應(yīng)用檢測(cè)方法研究.pdf
- Android惡意軟件實(shí)現(xiàn)及檢測(cè)研究.pdf
- 惡意軟件識(shí)別方法研究與應(yīng)用.pdf
- Android環(huán)境下惡意軟件靜態(tài)檢測(cè)方法研究.pdf
評(píng)論
0/150
提交評(píng)論