基于多层卷积模型的恶意URL特征自动提取

摘要：

针对恶意仿冒U RL的有效识别问题,提出一种基于skip-g ram和连续多层卷积层的模型相结合的网络模型完成对恶意仿冒U RL进行特征提取并检测.根据U RL结构特性将其切分为5个部分,使用skip-g ram对字符进行稠密编码将URL数据信息进行转化;使用连续多个卷积层的CNN模型针对URL的每个部分完成独立特征提取,将特征提取结果进行整合;使用贝叶斯、随机森林等多种分类器对模型提取特征空间进行评估.实验结果表明,该方法能够快速有效地对恶意仿冒URL进行检测,检测准确率可达97％,效果优于典型的eXpose多核卷积模型.

关键词：恶意仿冒URL、卷积神经网络、字符嵌入、特征提取、深度学习

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

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

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1821-1828