操作系统系统调用审计中基于无监督学习的恶意行为序列在线检测算法_网络安全_2026年课程设计.docxVIP

PAGE24

目录

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

6.4实现中的重点难点与解决方案

第七章实验与结果分析

7.1实验方法与实验环境

摘要

主机入侵检测长期依赖系统调用审计数据作为行为分析的信息源。Linux审计框架每秒可产生上万条系统调用事件，传统基于规则的检测方法虽然开销低，但规则集难以覆盖提权、反弹Shell、横向渗透等变形攻击，检出率受限；而基于监督学习的异常检测需要大量标注样本，在实际运维环境中难以获得。工程实践中更突出的矛盾在于：审计数据量巨大，检测算法若逐事件做重量级计算，会与业务进程争抢CPU，形成实时检测的性能瓶颈。

本课题面向上述痛点，提出一种基于自编码器与序列缓存的无监督恶意