物聯(lián)網(wǎng)設(shè)備的高速發(fā)展在方便人們生產(chǎn)生活的同時帶來的是大量的安全隱患,近年來越來越多的物聯(lián)網(wǎng)安全事件的出現(xiàn)也引起了研究學(xué)者對于物聯(lián)網(wǎng)設(shè)備安全研究的重視,其中設(shè)備固件的安全分析也是物聯(lián)網(wǎng)安全研究的一個主要方向。現(xiàn)有的相關(guān)研究工作中,常見做法是提取固件漏洞函數(shù)數(shù)值特征與結(jié)構(gòu)特征并以機(jī)器學(xué)習(xí)算法構(gòu)建檢測模型,建立漏洞函數(shù)庫并在此基礎(chǔ)上將待檢測函數(shù)與漏洞函數(shù)進(jìn)行關(guān)聯(lián)檢測,這在真實固件漏洞檢測上取得了一定的效果。但這類算法對于所有漏洞函數(shù)構(gòu)建公用檢測模型,且對于漏洞函數(shù)的更新變化缺乏適應(yīng)性,因此在檢測的準(zhǔn)確率上仍然存在提升的空間。人工免疫算法是借鑒于生物免疫系統(tǒng)而提出的高效的學(xué)習(xí)和優(yōu)化算法,相比較于利用機(jī)器學(xué)習(xí)算法進(jìn)行漏洞關(guān)聯(lián)檢測,人工免疫算法能夠針對漏洞函數(shù)建立專有檢測器,并且檢測器能夠在檢測過程中對漏洞函數(shù)庫的更新變化進(jìn)行自適應(yīng),因此其在某些檢測分類場景上比機(jī)器學(xué)習(xí)等算法具有更好的效果。本文在現(xiàn)有的研究基礎(chǔ)上,將克隆選擇算法（Clone Selection Algorithm,CSA）應(yīng)用于固件漏洞函數(shù)關(guān)聯(lián)檢測中。本文的主要工作分為以下幾個部分:1)首先,通過采集真實的固件漏洞函數(shù)構(gòu)建數(shù)據(jù)集,... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 基于克隆選擇算法的固件漏洞關(guān)聯(lián)檢測
    2.1 人工免疫算法
    2.2 函數(shù)數(shù)值特征與結(jié)構(gòu)特征
    2.3 基于克隆選擇算法的漏洞關(guān)聯(lián)檢測實驗
        2.3.1 實驗評估標(biāo)準(zhǔn)
        2.3.2 實驗結(jié)果與分析
    2.4 本章小結(jié)
第3章 基于Relief/PCA的克隆選擇漏洞關(guān)聯(lián)檢測
    3.1 特征選擇
    3.2 基于Relief算法的漏洞函數(shù)特征選擇
        3.2.1 Relief算法
        3.2.2 基于Relief算法特征選擇的漏洞關(guān)聯(lián)檢測
    3.3 基于主成分分析算法的漏洞函數(shù)特征權(quán)重計算
        3.3.1 主成分分析算法(PCA)
        3.3.2 基于主成分分析算法的特征權(quán)重計算
    3.4 基于Relief/PCA的漏洞函數(shù)關(guān)聯(lián)檢測實驗及分析
    3.5 本章小結(jié)
第4章 基于可變半徑克隆選擇的漏洞關(guān)聯(lián)檢測
    4.1 可變半徑人工免疫算法
    4.2 動態(tài)克隆選擇算法
    4.3 基于可變半徑選擇器的動態(tài)克隆漏洞關(guān)聯(lián)檢測
    4.4 實驗結(jié)果與分析
    4.5 本章小結(jié)
第5章 總結(jié)和展望
    5.1 本文總結(jié)
    5.2 未來展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的工作及成果


【參考文獻(xiàn)】：
期刊論文
[1]一種基于多智能體策略的人工免疫網(wǎng)絡(luò)數(shù)據(jù)分類方法[J]. 洪銘,柳培忠,駱炎民.  計算機(jī)應(yīng)用研究. 2017(01)
[2]VDNS:一種跨平臺的固件漏洞關(guān)聯(lián)算法[J]. 常青,劉中金,王猛濤,陳昱,石志強(qiáng),孫利民.  計算機(jī)研究與發(fā)展. 2016(10)
[3]一種基于人工免疫和代碼相關(guān)性的計算機(jī)病毒特征提取方法[J]. 王維,張鵬濤,譚營,何新貴.  計算機(jī)學(xué)報. 2011(02)

碩士論文
[1]二進(jìn)制代碼函數(shù)相似度匹配技術(shù)研究[D]. 肖雅娟.山東大學(xué) 2016



本文編號：3686069