基于链接分析和规则分类的恶意网站识别技术研究
采用多源链接分析指标,构建了基于链接分析和规则分类技术的恶意网站识别模型.通过分析四种规则分类技术的识别性能和识别规则,并与四种传统的机器学习分类技术进行对比,验证所构建模型的有效性.在所提取的识别规则中,来自Al exa和Moz平台上的网站链接指标在恶意网站识别中有重要作用;与传统的机器学习分类技术相比,基于链接分析和规则分类的识别模型不仅能提取出多组易于理解的恶意网站识别规则,还具有更好的识别性能.本研究不仅拓展了链接分析在恶意网站识别中的应用,有效提升了恶意网站识别的准确性,还提取出易于理解的恶意网站识别规则.
恶意网站、链接分析、分类规则、机器学习、网站识别
9
G353(情报学、情报工作)
国家自然科学基金面上项目"内容关系互动下的在线医疗社区用户行为演化研究"71573197;国家自然科学基金青年基金项目"基于集成学习的区间型电力负荷预测技术研究"71601147
2019-03-19(万方平台首次上网日期,不代表论文的发表时间)
共10页
105-113,127