基于多特征融合的恶意网页检测方法研究

• 作者: 冯凯媛 罗庆斌 郑明辉 李超
• 来源期刊: 湖北民族大学学报（自然科学版）
• 关键词: 恶意网页 特征选择 分类算法 递归特征消除 机器学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学与技术|Computer Science and Technology
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2021.03.015

摘要

随着恶意网页数量的逐年递增,传统恶意网页检测技术表现出了较大的局限性.因而基于机器学习的检测技术被引入,该技术的关键是有效网页特征的选取.在分析提取传统网页特征URL、HTML和JavaScript代码特征的基础上,融合网页文本内容特征(Text特征),基于机器学习提出一种多特征融合的恶意网页检测方法.通过互信息法、F-检验法、递归特征消除法3种特征选择算法验证得到所提Text特征更具强相关性.其中,RF算法在URL、HT-ML、JavaScript与Text特征的混合特征集上对恶意网页检测的效果最好,该方法与前人工作相比具有更高的准确性与可靠性.