基于CNN和多分类器的恶意URLs检测

摘要：

基于特征提取的恶意URLs的检测方法中,人工提取规则的设计依赖于丰富的专家知识以及大量的数据分析,同时规则的设计与更新需要消耗大量的人力与时间.针对以上问题,提出一种基于卷积神经网络的URLs特征自动提取方法.通过数据预处理与模型训练,实现对URLs特征的自动学习,完成提取规则的自动设计与更新.通过收敛的模型完成URLs特征的自动提取,结合J48、随机森林、支持向量机等多种分类方法对提取结果进行验证.实验结果表明,训练的模型可以自动设计和更新特征提取规则,提取的特征具有良好的区分能力及普适性.多分类器的平均准确率超过了97％,最高达到了99.2％,FPR低至0.01.

关键词：网络安全、恶意URLs、特征自动提取、卷积神经网络、机器学习

所属期刊栏目：40

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金项目61571144;北京建筑大学研究生创新基金项目PG2018070

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2991-2995,3019