检索结果-南通市图书馆

计算机工程与设计 2019年第10期40卷 2991-2995,3019页

作者：张慧钱丽萍汪立东袁辰张婷北京建筑大学电气与信息工程学院北京100044 国家计算机网络应急技术处理协调中心工程部北京100029

基于特征提取的恶意urls的检测方法中,人工提取规则的设计依赖于丰富的专家知识以及大量的数据分析,同时规则的设计与更新需要消耗大量的人力与时间。针对以上问题,提出一种基于卷积神经网络的urls特征自动提取方法。通过数据预处理与... 详细信息

基于特征提取的恶意urls的检测方法中,人工提取规则的设计依赖于丰富的专家知识以及大量的数据分析,同时规则的设计与更新需要消耗大量的人力与时间。针对以上问题,提出一种基于卷积神经网络的urls特征自动提取方法。通过数据预处理与模型训练,实现对urls特征的自动学习,完成提取规则的自动设计与更新。通过收敛的模型完成urls特征的自动提取,结合J48、随机森林、支持向量机等多种分类方法对提取结果进行验证。实验结果表明,训练的模型可以自动设计和更新特征提取规则,提取的特征具有良好的区分能力及普适性。多分类器的平均准确率超过了97%,最高达到了99.2%,FPR低至0.01。

关键词：网络安全恶意urls 特征自动提取卷积神经网络机器学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的恶意网址识别方法的研究与发现

基于机器学习的恶意网址识别方法的研究与发现

引用

作者：张慧北京建筑大学

学位级别：硕士

随着互联网的快速发展以及网民数量的不断攀升,信息在高速与频繁的交换过程中木马注入、网络钓鱼、分布式攻击等网络攻击不断涌现,严重威胁个人用户的隐私、网络环境的生态及国家信息财产安全。许多网络攻击借助传播恶意urls来实现。本... 详细信息

随着互联网的快速发展以及网民数量的不断攀升,信息在高速与频繁的交换过程中木马注入、网络钓鱼、分布式攻击等网络攻击不断涌现,严重威胁个人用户的隐私、网络环境的生态及国家信息财产安全。许多网络攻击借助传播恶意urls来实现。本文针对恶意urls的检测问题进行了相关研究。针对基于黑名单机制只能检测识别已发现的恶意urls,无法预测新近出现及未标记的恶意网址的问题,本文对大量urls进行统计分析,设计并提出具有高检出率的恶意urls检测特征空间,包含基于时间、元辅音比等34维特征。为验证比较特征有效性,结合机器学习及深度学习算法进行检测实验,证明对恶意urls检测识别具有良好的区分能力,检测准确率高达99.5%。通过对特征集的对比分析发现:时间、子路径最大长度、urls中元组在负向数据集概率和、urls中元组在正向数据集概率和、域名最长字串占域名比例、域名中不同种类的字符占域名比例等15维特征在先前研究中未被使用或较少被使用,但在本特征集中起关键性区分作用。针对人工设计特征规则过程中会引入不相关、冗余、噪声特征等问题,本文提出一种发现综合特征空间的方法,主要采用随机森林、J48、贝叶斯等机器学习算法对基于信息增益、信息增益率、基于相关性等多种特征选择算法选定一组准确率高的广谱特征空间。实验证明,采用此方法提取的特征空间对恶意urls的检测具有良好的贡献能力,检测准确率高达99.4%,多分类器平均准确率达98.6%,高于全特征集0.4%,特征空间维度下降55.9%。针对urls检测识别中主流的特征提取算法面临的人工设计规则困难、规则更新时效性差的问题,本文设计了一种urls编码器并结合3种结构的卷积神经网络来实现urls特征自提取的方法。该方法采用统计n-gram(n=1)字符数量的方式构建urls编码器并将urls映射编码成矩阵结构,然后通过预训练完成卷积神经网络初始化,进而实现urls特征的自提取。再结合多方面因素对本文的特征提取模型进行验证分析。实验表明,本文提出的将urls编码与卷积神经网络结合的特征提取方法可以有效地完成对良性和恶意urls的特征自提取,且提取的urls特征具备良好的区分差异性,多分类器的分类准确率也均超过97%,最高可达99.2%。

关键词：恶意urls 特征提取特征选择卷积神经网络机器学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的恶意URL识别

引用

计算机系统应用 2018年第6期27卷 27-33页

作者：陈康付华峥向勇中国电信股份有限公司广东研究院广州510630

网络攻击日益成为一个严重的问题.在这些攻击中,恶意urls经常扮演着重要角色,并被广泛应用到各种类型的攻击,比如钓鱼、垃圾邮件以及恶意软件中.检测恶意链接对于阻止这些攻击具有重要意义.多种技术被应用于恶意urls的检测,而近年来基... 详细信息

网络攻击日益成为一个严重的问题.在这些攻击中,恶意urls经常扮演着重要角色,并被广泛应用到各种类型的攻击,比如钓鱼、垃圾邮件以及恶意软件中.检测恶意链接对于阻止这些攻击具有重要意义.多种技术被应用于恶意urls的检测,而近年来基于机器学习的方法得到越来越多的重视.但传统的机器学习算法需要大量的特征预处理工作,非常耗时耗力.在本文中,我们提出了一个完全基于词法特征的检测方法.首先,我们训练一个2层的神经网络,得到urls中的字符的分布表示,然后训练对URL的分布表示生成的特征图像进行分类.在我们的试验中,使用真实数据,取得了精度为0.973和F1为0.918的结果.

关键词：恶意urls 机器学习词法特征卷积神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：