轻量级de自学习网页分类方法【阐述】.pdfVIP

第 35卷第9期 通 信 学 报 Vb1．35 No．9 2014年 9月 JournalonCommunicatiOIlS September2014 doi：10．3969j／．issn．1000-436x．2014．09．004 轻量级的自学习网页分类方法 沙泓州 1,2,3，周舟 ，刘庆云 ，一，秦鹏 ， (1．北京邮电大学 计算机学院，北京 100876；2．中国科学院 信息工程研究所 ，北京 100093 3．信息内容安全技术国家工程实验室，北京 100093) 摘 要：提出了一种 自学习的轻量级网页分类方法 SLW。SLW 首次引入了访问关系的概念，使其具有反馈和 自 学习的特点。SLW 从已有的恶意网页集合出发，自动发现可信度低的用户和对应的访问关系，从而进一步利用低 可信度用户对其他网页的访问关系来发现未知的恶意网址集合。实验结果表明，在相同数据集上，相比于传统检 测方法，SLW 方法可以显著提高恶意网页检测效果，大幅降低平均检测时间。 关键词：URL分类；黑名单：访 问关系：恶意网页：网页评价 中图分类号：TP393．8 文献标识码：A 文章编号：1000．436X(2014)09．0032．08 Light-weightself-learningapproachforURL classification SHA Hong．zhou，一，ZHOU Zhou2一 LIUQing．yun2，QINPeng， ， (1．DepartmentofComputerScience，BeijingUniversityofPos~andTelecommunications，Beijing100876，China； 2．InstituteofInformationEngineering，ChineseAcademyofSciences，Beijing100093，China； 3．NationalEngineeringLaboratoryforInformationSecuriytTechnology,Beijing100093，China) Abstract：Aself-learninglight-wight(SLW)isproposed．SLW isthefirsttointroduceaccessrelationsandhavethechar- acteristicsoffeedbackandself-learning．SLW approachstartsfrom hteseedsetwhichincludesknownmaliciouspages． Then，itautomaticallyfiguresoutuserswiht low credibilitybasedontheseedsetnadhtevisitrelationdatabase．Finally, theaccessrecordsoftheseusersraeusedtoidentifyohtermaliciouspages．ExperimentalresultsindicatethatSLW ap- proachCna significnatlyimprovehteefficiencyofmaliciouspagesdetectionna dreducehteaveragedetectiontimecom— paredwithotherconventionalmehtods． Keywords：URLclassification；blacklist；accessrelation；maliciousWebpage；Web