基于卷积神经网络的恶意URL检测

• 作者: 施勇 潘司晨 薛质
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 恶意URL 卷积神经网络 词嵌入 批量归一化
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 安全与保密
• 页码范围: 1918-1923
• 页数: 6页
• 分类号: TP309.5
• 字数: 3797字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.08.028

摘要

在互联网时代,企业与用户面临着各种安全威胁.在恶意URL识别方面,传统的机器学习方法需要在特征提取上耗费大量精力.基于卷积神经网络的检测模型通过词嵌入法对原始URL的字符进行编码,将URL映射成二维数组,通过多层神经网络,自动学习高层次特征并预测结果,而无需预先提取特征.与逻辑回归算法的结果相比,该模型在正确率、查全率、F值等指标上均好于前者.因此,深度学习在安全领域的某些方面具有应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛质	上海交通大学电子信息与电气工程学院	274	1489	18.0	25.0
2	施勇	上海交通大学电子信息与电气工程学院	57	234	9.0	11.0
3	潘司晨	上海交通大学电子信息与电气工程学院	1	5	1.0	1.0