基于机器学习的网页暗链检测方法

• 作者: 周文怡 施勇 薛质 顾徐波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 暗链 特征提取 交叉验证 分类与回归树 随机森林 梯度提升决策树
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 网络空间安全专题
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP309.5
• 字数: 4171字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.

摘要

在大数据时代下,传统暗链检测技术无法在海量网页中快速准确地识别出遭遇“暗链攻击”的网站.为此,提出一种引入机器学习的方法研究网页的暗链检测.该方法结合暗链的域名、相关文本及隐藏结构3种特征,分别采用分类与回归树、梯度提升决策树及随机森林3种算法来构建检测模型并对比其的性能.实验结果表明,该方法具有较高的准确性和可靠性,其中随机森林构建的检测模型分类准确率可以达到0.984.

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	上海交通大学网络空间安全学院	274	1489	18.0	25.0
2	施勇	上海交通大学网络空间安全学院	57	234	9.0	11.0
3	顾徐波	上海交通大学机械与动力工程学院	2	11	1.0	2.0
4	周文怡	上海交通大学网络空间安全学院	1	10	1.0	1.0