已閱讀1頁，還剩54頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、網(wǎng)絡時代，以腳本語言和瀏覽器插件技術為基礎的新興應用層見疊出，但是伴隨著享受這些應用帶來的方便和快捷的同時，我們也發(fā)現(xiàn)，信息泄露、信息竊取、數(shù)據(jù)篡改、數(shù)據(jù)刪添、計算機病毒等等各種人為攻擊也越來越肆虐。
針對Web威脅的網(wǎng)絡攻擊是網(wǎng)民受到的最主要的攻擊。攻擊者通過精心構造攻擊代碼，利用瀏覽器或者第三方插件的漏洞，達到攻擊目的。
惡意代碼編寫者開發(fā)出大量惡意代碼，并通過多種混淆手段對惡意腳本進行混淆和變形，逃避以特征碼檢
2、測技術為主代表的惡意代碼檢測，其中尤其以JavaScript混淆代碼為巨。各種混淆方式的應用產(chǎn)生了大量惡意代碼的變種，借由因特網(wǎng)的時效性，迅捷性以廣泛撒網(wǎng)式的傳播方式威脅網(wǎng)民信息安全。這大大干擾了惡意代碼的檢測，成為整個web惡意代碼中最為艱難的防御點。如何將此類攻擊阻擋于我們計算機之外，保護網(wǎng)民的各類信息不受威脅，是當今社會亟待解決的問題，也是網(wǎng)絡安全專家們前仆后繼想要有所突破的問題。
論文主要研究了JavaScript混淆
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM模型的惡意網(wǎng)頁及PDF文檔檢測技術研究.pdf
- 基于動態(tài)分析的網(wǎng)頁惡意腳本檢測技術研究.pdf
- 基于異常特征檢測的惡意網(wǎng)頁識別技術研究.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)頁惡意代碼檢測技術研究.pdf
- 基于SVM的網(wǎng)頁分類技術研究.pdf
- 基于BHO技術的惡意網(wǎng)頁行為檢測技術研究與實現(xiàn).pdf
- 基于動靜態(tài)結合的網(wǎng)頁惡意腳本檢測技術研究.pdf
- 惡意網(wǎng)頁智能檢測技術研究與實現(xiàn).pdf
- 基于在線學習算法的惡意網(wǎng)頁檢測系統(tǒng).pdf
- 基于SVM的中文網(wǎng)頁自動分類技術研究.pdf
- 基于SVM的Android惡意代碼檢測研究.pdf
- 基于多特征的惡意網(wǎng)頁檢測研究.pdf
- 基于Honeyd的惡意網(wǎng)頁入侵檢測.pdf
- 基于惡意網(wǎng)頁檢測的蜜罐系統(tǒng)研究.pdf
- 基于SVM的SQL注入檢測技術研究.pdf
- 基于SVM的數(shù)字水印檢測技術研究.pdf
- 基于學習的惡意網(wǎng)頁智能檢測系統(tǒng)
- 基于PSO-SVM算法的網(wǎng)絡入侵檢測關鍵技術研究.pdf
- 基于學習的惡意網(wǎng)頁智能檢測系統(tǒng).pdf
- 基于權限的Android惡意應用檢測技術研究.pdf
評論
0/150
提交評論