基于深度学习的恶意URL识别

• 作者: 付华峥 向勇 陈康
• 来源期刊: 计算机系统应用
• 关键词: 恶意URLs 机器学习 词法特征 卷积神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 专论·综述
• 页码范围: 27-33
• 页数: 7页
• 字数: 5438字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006370

摘要

网络攻击日益成为一个严重的问题. 在这些攻击中, 恶意URLs经常扮演着重要角色, 并被广泛应用到各种类型的攻击, 比如钓鱼、垃圾邮件以及恶意软件中. 检测恶意链接对于阻止这些攻击具有重要意义. 多种技术被应用于恶意URLs的检测, 而近年来基于机器学习的方法得到越来越多的重视. 但传统的机器学习算法需要大量的特征预处理工作, 非常耗时耗力.在本文中, 我们提出了一个完全基于词法特征的检测方法. 首先, 我们训练一个2层的神经网络, 得到URLs中的字符的分布表示, 然后训练对URL的分布表示生成的特征图像进行分类. 在我们的试验中, 使用真实数据, 取得了精度为0.973和F1为0.918的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向勇	中国电信股份有限公司广东研究院	8	112	4.0	8.0
2	陈康	中国电信股份有限公司广东研究院	16	297	8.0	16.0
3	付华峥	中国电信股份有限公司广东研究院	3	20	3.0	3.0