论文部分内容阅读
随着网络规模的不断扩大以及网络技术的快速发展,恶意代码攻击呈现出专业性、趋利性与组织性的特点,从而给计算机安全与网络安全都带来了巨大的隐患。因此,必须对恶意代码进行检测,以避免计算机与网络遭到破坏,从而确保个人与企业的利益不受到损害。本文对基于规则匹配的恶意代码检测方法进行了深入的研究,并提出了基于频率统计的检测规则与高速的单模式匹配算法。论文的主要研究内容包括：1、提出了异常网络行为的检测与优化方法。为了提高恶意代码的检测效率,就必须确保基于规则匹配的检测系统所用的规则集尽可能小而且有效。因此,本文首先对Snort系统的检测规则进行了细化,优化了检测规则树,然后把规则树中的规则进行匹配频率统计,将各端口下的三个规则子集进一步划分为常用子集与非常用子集,从而构造出更小更有效的规则集。2、提出了高速的单模式匹配算法。通过对模式匹配算法BM算法、BMH算法、SBM算法了分析,提出了高速的单模式匹配算法。实验表明,HSPM算法通过综合使用BMH算法与SBM算法,从而实现了以更少的时间和匹配次数达到与BMH算法和SBM算法相同的识别率。3、实现了基于QEMU的恶意代码原型验证系统。首先通过对QEMU源码的修改搭建了虚拟测试网络,然后对基于规则匹配的恶意代码原型验证系统的三个模块进行了实现,最后从四个方面对系统的性能进行了测试,测试表明本文所实现的系统达到了预定的设计目标与要求。