原创力文档- 1、本文档共8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)。
查看更多
基于威胁情报平台的恶意URL检测研究-计算机科学
第 卷 第 期 计 算 机 科 学
４５ ３ Vol．４５No．３
年 月
２０１８ ３ COMPUTER SCIENCE Mar．２０１８
基于威胁情报平台的恶意URL检测研究
,
１２ １ １
汪 鑫 武 杨 卢志刚
１ ２
(中国科学院信息工程研究所 北京 ) (中国科学院大学网络空间安全学院 北京 )
１０００９３ １０００９３
, ,
摘 要 互联网应用已经渗透到人们日常生活的方方面面 恶意 防不胜防 给人们的财产和隐私带来了严重威
URL
. , . ,
胁 当前主流的防御方法主要依靠黑名单机制 难以检测黑名单以外的URL 因此 引入机器学习来优化恶意 URL
, , , .
检测是一个主要的研究方向 但其主要受限于URL的短文本特性 导致提取的特征单一 从而使得检测效果较差 针
, . 、
对上述挑战 设计了一个基于威胁情报平台的恶意 URL检测系统 该系统针对 URL字符串提取了结构特征 情报
, , .
特征和敏感词特征 类特征来训练分类器 然后采用多分类器投票机制来判断类别 并实现威胁情报的自动更新 实
３
, .
验结果表明 该方法对恶意URL进行检测的准确率达到了９６％以上
, , ,
关键词 恶意 威胁情报 分类器 投票机制
URL
中图法分类号 文献标识码 /
TP３０９ A DOI １０．１１８９６ ．issn．１００２Ｇ１３７X．２０１８．０３．０２０
j
Stud onMaliciousURLDetectionBasedonThreatIntelliencePlatform
y g
,
文档评论（0）