10.3969/j.issn.1002-0802.2020.02.025
基于机器学习的恶意URL识别
网络攻击成为日益重要的安全问题,而多种网络攻击手段多以恶意URL为途径.基于黑名单的恶意URL识别方法存在查全率低、时效性差等问题,而基于机器学习的恶意URL识别方法仍在发展中.对多种机器学习模型特别是集成学习模型在恶意URL识别问题上的效果进行研究,结果表明,集成学习方法在召回率、准确率、正确率、F1值、AUC值等多项指标上整体优于传统机器学习模型,其中随机森林算法表现最优.可见,集成学习模型在恶意URL识别问题上具有应用价值.
恶意URL、机器学习、集成学习、特征工程
53
TP309.5(计算技术、计算机技术)
国家重点研发计划项目"网络空间安全"重点专项No.2017YFB0803200
2020-03-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
427-431