基于半监督学习的恶意URL检测方法

• 作者: 刘雪娇 周宇轩 唐旭栋 胡亦承 麻瓯勃
• 来源期刊: 计算机系统应用
• 关键词: 恶意URL检测 半监督学习 协同训练改进算法 Doc2Vec 分类器训练
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 专论·综述
• 页码范围: 11-20
• 页数: 10页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007461

摘要

检测恶意URL对防御网络攻击有着重要意义.针对有监督学习需要大量有标签样本这一问题,本文采用半监督学习方式训练恶意URL检测模型,减少了为数据打标签带来的成本开销.在传统半监督学习协同训练(co-training)的基础上进行了算法改进,利用专家知识与Doc2Vec两种方法预处理的数据训练两个分类器,筛选两个分类器预测结果相同且置信度高的数据打上伪标签(pseudo-labeled)后用于分类器继续学习.实验结果表明,本文方法只用0.67％ 的有标签数据即可训练出检测精确度(precision)分别达到99.42％ 和95.23％ 的两个不同类型分类器,与有监督学习性能相近,比自训练与协同训练表现更优异.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘雪娇		5	5	1.0	2.0
2	麻瓯勃		1	0	0.0	0.0
3	唐旭栋		1	0	0.0	0.0
4	周宇轩		1	0	0.0	0.0
5	胡亦承		1	0	0.0	0.0