导读:本文包含了检测软件论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:软件,计算机软件,恶意,检测技术,互联网,神经网络,爬虫。
检测软件论文文献综述
张斌,李立勋,董书琴[1]（2019）在《基于改进SOINN算法的恶意软件增量检测方法》一文中研究指出针对基于批量学习的恶意软件检测方法存在检测模型动态更新困难、运算存储开销大的问题,将改进的SOINN算法与有监督分类器有机结合,利用SOINN算法的增量学习特性赋予恶意软件检测模型动态更新能力,有效降低运算存储开销。首先对SOINN算法进行改进:在SOINN算法竞争学习周期内,根据全排列思想搜索所有样本输入次序下神经元的权重调节量,计算所有权重调节量的平均值作为神经元最终权重调节量,避免不同样本输入次序影响训练所得神经网络的稳定性,使所得神经网络更能反映原始数据本质特征,从而提高神经网络针对恶意软件检测的精度。然后采用非负矩阵分解和Z-score归一化对数据进行预处理,将恶意软件行为特征向量从高维高数量级转换至低维低数量级,在提高检测速度的同时有效降低高数量级维度对特征学习的不利影响,进一步提高检测准确性。实验结果表明,所提方法支持检测模型动态更新,对未知新样本的检测准确率显着高于传统检测方法,且运算存储开销更小。(本文来源于《网络与信息安全学报》期刊2019年06期）
阮昊禹[2]（2019）在《计算机软件安全检测方法研究》一文中研究指出本文基于计算机软件安全检测方法,简单分析了计算机软件安全检测的基本概念,并对其安全检测过程中的注意事项进行分析,最后结合计算机安全漏洞问题,对其安全检测技术做进一步分析。从本次研究结果可知,计算机软件中的安全漏洞是引发计算机安全问题的重要因素,为了能切实避免安全事件发生,需要重视对安全漏洞检测技术的研究,才能切实满足当前软件安全检测的要求。(本文来源于《数码世界》期刊2019年12期）
姚敏,杨东升[3]（2019）在《移动终端恶意软件流量行为自动化检测方法研究》一文中研究指出为解决传统移动设备恶意软件检测方法对入侵数据定位不准、分辨效果不佳的问题,提出了移动终端恶意软件流量行为自动化检测方法。首先结合特征采集原理提取常见的恶意软件行为特征因子,并根据特征因子定位恶意软件入侵范围,结合动态分析原理筛查定位区域恶意入侵行为影响度及潜在威胁,从而实现对移动终端恶意软件流量行为的准确检测。最后通过实验证实,移动终端恶意软件流量行为自动化检测方法定位精准性相对更高,且具有较高的数据分辨效果,充分满足研究要求。(本文来源于《自动化与仪器仪表》期刊2019年11期）
张毅男[4]（2019）在《互联网环境下的计算机软件安全检测技术》一文中研究指出随着社会的不断进步和经济的快速发展,互联网技术也得到了长足的发展,并且不断推动着社会的进步,如今在人们的日常生活和工作当中各种各样的计算机软件已经得到了十分广泛的渗透,但是目前互联网的整体环境并不是十分安全,计算机软件在使用过程中也存在着一定的安全隐患,影响着计算机的安全使用。针对这种情况,为了可以更好地保障计算机软件的安全性,这就需要使用人员在应用软件的应用过程当中必须采取一些有效的技术手段来对计算机软件的安全性进行检测,用来解决计算机软件中长期存在的安全隐患问题,基于此,本文主要以互联网环境下计算机软件安全检测技术为说明对象,阐述了互联网环境下的计算机软件存在的漏洞,然后详细的介绍了计算机软件安全检测过程中需要进行严格注意的事项,然后在最后深入分析和研究了计算机软件安全检测技术的检测步骤和方法,希望通过这篇文章可以给读者带来一些有效的信息,最大限度上提高使用者使用计算机软件的安全性能。(本文来源于《科学技术创新》期刊2019年32期）
汪小霞,普星[5]（2019）在《基于网络爬虫技术的数字资源检测软件的设计与实现》一文中研究指出在网络系统的运行中,要技术分析和找到网络中的失效资源,并将这类资源的应用效果反馈给用户,让用户能够更好规避这类内容。基于对爬虫技术原理研究,结合对传统数字资源检测方法存在问题的分析,本文提出了基于爬虫技术的数字资源检测软件设设计方法,以更好实现对各类资源的研究和检测。(本文来源于《数字通信世界》期刊2019年11期）
蔡荣文[6]（2019）在《基于动态检测技术的软件设计安全漏洞查找方法》一文中研究指出计算机软件设计需要考虑安全性,这是保证软件系统长周期稳定运行的关键。动态检测技术是当前应用较广的软件安全漏洞检测方式,包括安全共享库、沙箱、内存映射、非执行栈、程序解释、非执行堆等技术,这些技术方式都有不同的特点。通过对比分析每一项技术的优缺点,为软件设计安全漏洞查找提供技术选择的依据。结果表明:动态检测技术可以在不更改程序源代码的情况下,对软件的运行环境实现全面的分析,提升了程序的保密性。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）
王传行[7]（2019）在《计算机软件安全检测方法研究》一文中研究指出本文基于计算机软件安全检测方法,简单分析了计算机软件安全检测的基本概念,并对其安全检测过程中的注意事项进行分析,最后结合计算机安全漏洞问题,对其安全检测技术做进一步分析。从本次的分析过程中,我们不难发现对于计算机安全的问题来说,软件问题是其中至关重要的问题,为了能切实避免安全事件发生,需要重视计算机的相关软件安全问题的检测技术的发展,通过相关的研究,彻底有效解决计算机软件的安全问题。(本文来源于《通讯世界》期刊2019年10期）
侯彦军,张立仁[8]（2019）在《计算机软件安全检测技术探讨》一文中研究指出近年来,随着计算机网络技术的飞速发展和其他相关领域的进步与成就,给人们的生活和工作带来了巨大的变化。随着计算机的影响越来越大,计算机软硬件的安全已成为人们关注的话题。只有保证计算机软硬件的质量,才能真正解决许多问题。为人们的生活服务。本文通过对计算机软件安全的研究,从软件的重要作用、存在的问题及改进措施等方面进行探讨,以提高计算机内部软件的安全性能。(本文来源于《中国新通信》期刊2019年20期）
李浩,马坤,陈贞翔,赵川[9]（2019）在《基于网络流量分析的未知恶意软件检测》一文中研究指出为了有效检测移动端的未知恶意软件,提出一种基于机器学习算法,并结合提取的具有鲁棒性的网络流量统计特征,训练出具有未知移动恶意网络流量识别能力的检测模型;该模型主要包括Android恶意软件样本数据预处理、网络流量数据自动采集以及机器学习检测模型训练;通过对不同时间节点的零日恶意软件检测的实验,验证模型的有效性。结果表明,所提出的方法对未知恶意样本的检测精度可以超过90%,并且F度量值为80%。(本文来源于《济南大学学报(自然科学版)》期刊2019年06期）
石兴华,曹金璇,芦天亮[10]（2019）在《基于深度森林的安卓恶意软件行为分析与检测》一文中研究指出随着移动互联网渐渐渗入人们的日常生活,面向安卓的恶意软件也对用户产生着愈发巨大的负面影响。本文针对传统安卓恶意软件静态检测技术在检测多分类恶意行为时准确性及灵活性的不足,提出了一种基于深度森林(Gcforest)的恶意软件行为检测机制,最后经过实验测试与对比,证明此机制在恶意软件行为检测效果、参数调节难易度上具有明显优势。(本文来源于《软件》期刊2019年10期）
检测软件论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于计算机软件安全检测方法,简单分析了计算机软件安全检测的基本概念,并对其安全检测过程中的注意事项进行分析,最后结合计算机安全漏洞问题,对其安全检测技术做进一步分析。从本次研究结果可知,计算机软件中的安全漏洞是引发计算机安全问题的重要因素,为了能切实避免安全事件发生,需要重视对安全漏洞检测技术的研究,才能切实满足当前软件安全检测的要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
检测软件论文参考文献
[1].张斌,李立勋,董书琴.基于改进SOINN算法的恶意软件增量检测方法[J].网络与信息安全学报.2019
[2].阮昊禹.计算机软件安全检测方法研究[J].数码世界.2019
[3].姚敏,杨东升.移动终端恶意软件流量行为自动化检测方法研究[J].自动化与仪器仪表.2019
[4].张毅男.互联网环境下的计算机软件安全检测技术[J].科学技术创新.2019
[5].汪小霞,普星.基于网络爬虫技术的数字资源检测软件的设计与实现[J].数字通信世界.2019
[6].蔡荣文.基于动态检测技术的软件设计安全漏洞查找方法[J].山东农业大学学报(自然科学版).2019
[7].王传行.计算机软件安全检测方法研究[J].通讯世界.2019
[8].侯彦军,张立仁.计算机软件安全检测技术探讨[J].中国新通信.2019
[9].李浩,马坤,陈贞翔,赵川.基于网络流量分析的未知恶意软件检测[J].济南大学学报(自然科学版).2019
[10].石兴华,曹金璇,芦天亮.基于深度森林的安卓恶意软件行为分析与检测[J].软件.2019
论文知识图
