面向恶意网址检测的广谱特征选择与评估

摘要：

针对恶意网址检测系统的特征选择和降维问题,基于特征选择方法的优化结果提出多种特征子集.利用基于分类器的准确率和召回率等性能评价指标,采用随机森林、贝叶斯网络、J48、随机树机器学习方法,对信息增益、卡方校验、信息增益率、基于Relief值、基于OneR分类器、基于关联性规则、基于相关性等多种特征选择算法所确定的特征子集进行检测.结果表明,除基于相关性特征选择算法确定的特征子集外,其他方法确定的特征子集均具有良好的分类性能,其中基于关联性规则选择的特征子集的维度仅为5,但各分类器基于此特征子集的分类准确率均高达99％ 以上.

关键词：网络安全、恶意网址检测、特征提取、特征选择、特征子集、信息安全

所属期刊栏目：42

分类号：TN915.08-34;TP391

资助基金：国家自然科学基金资助项目61571144;北京建筑大学博士基金项目00331616014

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：60-64