第1章緒論1

1.1研究背景和意義1

1.2本書脈絡及內容4

1.3本書組織結構10

第2章相關基礎13

2.1引言13

2.2惡意代碼的概念、類型和危害13

2.3PE文件基本結構15

2.4惡意代碼動態分析環境——沙箱17

2.5惡意代碼防御主要任務及常用分析方法24

2.6常用機器學習分類算法及評價指標25

2.7常用機器學習工具26

2.8小結27

第3章惡意代碼檢測領域研究綜述28

3.1引言28

3.2基于機器學習的惡意代碼檢測基本過程28

3.3基于不同特征的惡意代碼檢測方法29

3.4基于不同分析環境的惡意代碼檢測方法46

3.5從不同角度開展惡意代碼檢測的選擇49

3.6典型的惡意代碼家族分類方法50

3.7惡意代碼研究常用數據集51

3.8小結53

第4章惡意代碼演化方式分析55

4.1引言55

4.2惡意代碼演化模型56

4.3惡意代碼主要的演化方式58

4.4惡意代碼演化給檢測工作帶來的挑戰71

4.5小結73

第5章基于綜合畫像的惡意代碼檢測及惡意性定位74

5.1引言74

5.2研究動機76

5.3設計總覽77

5.4實現過程78

5.5評價84

5.6小結94

第6章基于動靜態特征關聯融合的惡意代碼檢測及惡意性解釋95

6.1引言95

6.2研究動機96

6.3面臨挑戰97

6.4設計總覽98

6.5實現過程100

6.6評價108

6.7小結123

第7章基于全局可視化和局部特征融合的惡意代碼家族分類124

7.1引言124

7.2研究動機125

7.3設計總覽126

7.4惡意代碼可視化和分類128

7.5評價135

7.6小結145

第8章基于樣本抽樣和并行處理的惡意代碼家族分類146

8.1引言146

8.2研究動機147

8.3設計總覽149

8.4實現過程151

8.5評價156

8.6小結175

第9章基于攻擊傳播特征分析的惡意代碼蠕蟲同源檢測176

9.1引言176

9.2研究動機177

9.3蠕蟲特征工程分析178

9.4設計總覽188

9.5實現過程195

9.6評價204

9.7小結207

第10章基于系統調用和本體論的APT惡意代碼檢測與認知208

10.1引言208

10.2研究動機209

10.3APTMalInsight設計214

10.4驗證223

10.5小結245

第11章基于APT代碼行為特征和YARA規則的APT攻擊檢測246

11.1引言246

11.2研究動機247

11.3設計總覽248

11.4詳細實現250

11.5評價262

11.6小結268

第12章本書總結及未來研究展望269

12.1本書主要工作及創新之處269

12.2未來研究展望273

參考文獻275

支撐本書的主要學術成果295