论文简介：
毕业设计-支持向量机应用于恶意代码检测，说明书共78页，23777字，附外文翻译。
摘要
支持向量机是自上世纪90年代提出的一种基于统计学习理论的机器学习算法。与传统统计学研究样本产生的规律或样本数目趋于无穷大时的渐进性能不同，它更注重研究样本本身所提供的信息，所以特别适合于小样本问题。
本论文的目的是研究将支持向量机应用于恶意代码检测的有关问题，提出了一种在Windows平台下检测恶意代码的新方法，以PE文件调用的Win API序列为特征，运用支持向量机分类来检测恶意代码。实验结果表明，对恶意代码具有较好的识别效果。
关键词：恶意代码；支持向量机；统计学习理论；PE文件格式；API序列分析

目录
第1章 引言 1
1.1 项目研究背景 1
1.2 研究目标和意义 1
1.3 国内外课题研究现状 2
1.3.1 支持向量机算法的研究 2
1.3.2 恶意代码检测 3
1.4 课题重点及方向 3
第2章 研究的理论基础 1
2.1 统计学习理论 1
2.1.1统计学理论的发展 1
2.1.2统计学理论解决的3个基本问题 1
2.1.3 VC维 3
2.2 支持向量机 3
2.2.1 支持向量机的基本思想 3
2.2.2支持向量机的研究现状。 4
2.2.2 最优分类面 6
2.2.2 线性不可分情况下的最优分类面 8
2.2.3核函数用于非线性分类 9
2.2.4常用核函数 10
2.3 向量机算法 11
2.3.1 支持向量机 11
2.3.2C-SVM 11
2.3.3v-SCM 13
第3章 恶意代码及特征提取 15
3.1恶意代码现状 15
3.2 恶意代码特点及趋势分析 16
3.3 PE文件 18
3.3.1PE文件概述 18
3.3.2PE文件结构 18
第4章 基于API序列分析和支持向量机的恶意代码检测 37
4.1 API序列简介 37
4.2 PE文件的特征提取 37
4.2.1 PE文件的解析 37
4.2.2 PE文件的特征生成 38
4.2.3 基于API特征数据库生成 39
4.3支持向量机的训练与分类 39
4.3.1训练分类原理 39
4.3.2支持向量机的训练与分类 41
结束语 43
致谢 46
附录 47
外文资料原文 65
中文翻译 69

论文文件预览：
共1文件夹，1个文件，文件总大小：927.00KB，压缩后大小：295.72KB

• 毕业设计-支持向量机应用于恶意代码检测
• 支持向量机应用于恶意代码检测 .doc  [927.00KB]