- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2016年第1期
■ doi:10.3969j/issn1671-1122201601014
恶意URL多层过滤检测模型的
设计与实现
刘健 ,赵刚,郑运鹏
(北京信息科技大学信息管理学院,北京 100192)
摘 要 :近年来,恶意网站危害到用户的方方面面,对恶意网站URL的检测越来越重要。
目前对恶意URL的检测主要有黑白名单技术和机器学习分类算法,黑白名单技术对于没有标
记集的URL无能为力,每种机器学习分类算法也有各 自不擅长的数据。文章结合黑白名单技
术和机器学习算法提出了恶意URL多级过滤检测模型,训练每层过滤器的阈值,过滤器达到
阈值的能够直接对URL进行判定,否则过滤到下一层过滤器。本模型能够充分发挥不同分类
器针对所擅长数据类型的作用。文章用实例验证了多级过滤检测模型能够提高URL检测的准
确率。
关键词 :恶意URL;黑白名单技术 ;机器学习 ;多层过滤模型
中图分类号 :TP309 文献标识码 :A 文章编号 :1671—1122(2016)O1—0075—06
中文引用格式 :刘健,赵刚,郑运鹏 .恶意URL多层过滤检测模型的设计与实现 ….信息网络安全,
2016(1):75—80.
英文引用格式 :LIUJian,ZHAOGang,ZHENGYunpeng,DesignandImplementationofaMulti—layer
FilteringDetectionModelforMaliciousURL[J].NetinofSecurity,2016(1):75-80.
DesignandImplementationofaM ulti-layerFilteringDetection
M odelforM aliciousURL
LIU Jian,ZHAOGang,ZHENGYunpeng
fSchoolofinformationManagement,BeijingInformationScience&TechnologyUniversity,
Beijing100192,China)
Abstract:Inrecentyears,asmaliciouswebsitesharm toeveryaspectoftheuser,thedetection
ofmaliciouswebsiteURL isbecomingincreasinglyimportant.Atpresent,thedetectionofmalicious
URLmainlyincludesblackandwhitelisttechnologyandmachinelearningclassificationalgorithm.
However,theblackandwhitelisttechn ologycandonothingwhiletheURL isnotinlist.Andeach
machinelearningclassificationalgorithm hassomedatawhichitisnotgoodat.Inthispaper,we
proposeamaliciousURLmulti·levelfilteringdetectionmode1.Bytrainingthethresholdofeachlayer
filter,thefilterc
文档评论(0)