基于机器学习的网页暗链检测方法

被引：26

作者：

周文怡 ^{[1
]}

顾徐波 ^{[2
]}

施勇 ^{[1
]}

薛质 ^{[1
]}

机构：

[1] 上海交通大学网络空间安全学院

[2] 上海交通大学机械与动力工程学院

来源：

计算机工程 | 2018年 / 44卷 / 10期

基金：

国家自然科学基金重点项目;

关键词：

暗链; 特征提取; 交叉验证; 分类与回归树; 随机森林; 梯度提升决策树;

D O I：

10.19678/j.issn.1000-3428.0051189

中图分类号：

TP18 [人工智能理论]; TP393.092 [];

学科分类号：

140502 [人工智能];

摘要：

在大数据时代下,传统暗链检测技术无法在海量网页中快速准确地识别出遭遇"暗链攻击"的网站。为此,提出一种引入机器学习的方法研究网页的暗链检测。该方法结合暗链的域名、相关文本及隐藏结构3种特征,分别采用分类与回归树、梯度提升决策树及随机森林3种算法来构建检测模型并对比其的性能。实验结果表明,该方法具有较高的准确性和可靠性,其中随机森林构建的检测模型分类准确率可以达到0. 984。

引用

页码：22 / 27

页数：6

共 5 条

[1]

基于概率提升树的虹膜分割算法 [J].