基于学习的恶意网页智能检测系统

论文摘要

随着互联网的高速发展,网络资源的丰富,互联网用户很多时间都在浏览各类网页,然而大量的网页含有恶意代码,在人们浏览网页的时候,恶意代码就会在不被察觉的情况下侵入用户系统,使用户计算机系统受到感染和破坏。本文简要介绍了恶意代码的相关知识,对网页恶意代码的工作原理进行了分析。我们知道网页呈现的过程,实质就是浏览器执行代码的过程,那么只要在这些正常的代码中间加入几段特意编写的恶意代码,网页就成了具有破坏力的恶意网页了。现在商用的反病毒软件采用的都是“特征码”检测技术,但它只能检测已知的恶意代码。采用机器学习的方法,利用已知恶意代码和正常代码,对未知代码是否是恶意代码进行检测,不仅可以检测出已知的恶意代码,而且也能很好的检测出未知的恶意代码。本文采用机器学习中的BP算法和决策树算法来训练分类器,分类器的性能与样本特征的表征能力有很大关系,我们通过恶意代码与正常代码的比较,总结出了14个典型的特征,用这14个特征和样本标签作为输入来训练分类器。本系统使用网络爬虫抓取网页,利用数据获取模块收集和标记样本(Javascript代码段),并提取特征；用提取的特征作为输入,通过分类器训练与验证模块训练和测试分类器。通过上述的研究和实践,证明了基于机器学习的恶意代码检测技术的高效性和准确性,同时也验证了我们定义的14个特征具有的代表性和影响力,进而为网页恶意性检测提供技术支持。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.1.1 互联网安全概况
• 1.1.2 恶意代码的定义
• 1.1.3 恶意代码的传播
• 1.2 恶意代码分类
• 1.3 本文主要研究工作
• 1.4 本文组织结构
• 2 网页恶意代码
• 2.1 Web概述
• 2.2 网页脚本语言
• 2.2.1 JavaScript语言
• 2.2.2 VBScript语言
• 2.3 网页脚本语言的安全
• 2.3.1 ActiveX
• 2.3.2 Windows脚本宿主
• 2.4 网页恶意代码
• 2.4.1 网页恶意代码分类
• 2.4.2 网页恶意代码攻击原理
• 2.5 恶意代码检测技术
• 2.5.1 基于签名的特征码检测
• 2.5.2 启发式检测
• 2.5.3 行为式检测
• 2.5.4 完整性检测
• 2.5.5 虚拟机检测
• 2.6 本章小结
• 3 机器学习
• 3.1 机器学习概念和模型
• 3.1.1 机器学习概念
• 3.1.2 机器学习模型
• 3.2 机器学习常用方法
• 3.3 分类算法
• 3.3.1 神经网络分类算法
• 3.3.2 决策树分类算法
• 3.4 本章小结
• 4 基于学习的恶意网页智能检测系统
• 4.1 设计目标与框架
• 4.2 数据获取
• 4.2.1 网页抓取工具
• 4.2.2 样本获取
• 4.3 样本特征选择与提取
• 4.3.1 文本的表示
• 4.3.2 样本特征选择
• 4.3.3 样本特征提取
• 4.4 分类器设计
• 4.5 本章小结
• 5 实验与结果
• 5.1 实验目的
• 5.2 实验数据
• 5.3 分类器性能指标
• 5.4 实验环节
• 5.4.1 OpenCV简介
• 5.4.2 实验方法
• 5.4.3 神经网络分类器参数确定
• 5.4.4 决策树分类器参数确定
• 5.5 实验结果
• 5.5.1 测试集上分类器性能验证
• 5.5.2 训练集上分类器性能验证
• 5.5.3 分类器与杀毒软件对比
• 5.6 本章小结
• 6 总结
• 致谢
• 参考文献