基于威胁情报和多分类器投票机制的恶意URL检测模型

摘要：

随着互联网站点数量的飞速增加,访问Web页面的方式已经成为了民众获取信息的主要渠道,在此过程中也出现了大量的恶意URL,给正常信息维护与用户访问造成了严重的干扰,同时带来了巨大的损失.目前主流的黑名单防御机制滞后现象严重,防范效果较差,而机器学习技术虽然可极大地提高检测效率,但也存在特征单一、检测范围有限等问题.论文提出以威胁情报平台为基础,结合多分类器投票机制来提高检测准确度,设计并完善了相关的检测模型,同时实现了对威胁情报信息库的自动更新.

关键词：威胁情报、结构特征、敏感词特征、分类器、混淆矩阵、投票机制

所属期刊栏目：48

分类号：TP393(计算技术、计算机技术)

在线出版日期：2020-10-13（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：1969-1974