尊敬的用户:端午节放假期间(5月31日-6月2日),本站所有审核统一于节后处理,如不便之处敬请谅解!祝端午安康!
一种应用于机器学习的恶意网页特征提取方法
来源:电子技术应用ChinaAET 发布时间:2023-01-28 分享至微信

作者:
张珂伟1,2,郑世普1,2,程永灵1,2,王长帅1,2
作者单位:
1.中电(海南)联合创新研究院有限公司,海南 澄迈571924;
2.海南省PK体系关键技术研究重点实验室,海南 澄迈571924
摘要:
基于机器学习的恶意网页检测技术进行研究。目前流行的“特征码”“白名单”等方式,仅能够检测已知的恶意网页;机器学习方法,能够检测出未知的恶意网页,但在处理网页特征时要面临数据量大、复杂和繁琐的问题。提出一种哈希压缩的方法,用于处理网页的特征数据。该方法在保证检测模型的漏报率和误报率下可实现将150万的特征映射在2万的特征空间内,对提取出的特征数据运用K折交叉验证法训练多个传统机器学习模型和集成学习模型。并通过评估模型的检测效果,筛选出表现最好的分类检测模型。
引言:
PKS体系是中国电子在PK体系的基础上,将“可信计算3.0”技术融入到CPU、操作系统和存储控制器中,形成了“三位一体”的“PKS”主动免疫防护。PKS通过在核心层内生内置安全技术,最大限度地提升网络安全防护效果。本文基于PKS“小核心大生态”理念,在基于PKS核心底座的基础上,通过提出一种网页特征提取方法,实现在增强层进一步提升系统安全的能力。
随着网络的迅速发展,网络攻击已经成为一个严重的问题。当前一些网络钓鱼、垃圾邮件、木马下载、恶意软件执行等攻击方式常常通过恶意网页作为传播中介。因此,检测恶意网页去阻止这些攻击,对维护网络安全具有非常重要的意义[1]
当前恶意网页的检测方法主要包括静态特征检测和动态特征检测,两种检测方法都需要对网页特征进行提取。静态特征的提取方法是首先需要建立一个恶意网页特征库,对网页的源代码或URL链接等属性进行特征提取,将提取的特征在恶意网页静态特征库中进行比对,最终判断待检测网页是否为恶意网页[2-4]。动态特征检测方法是对恶意网页在运行时数据的下载动作、插件处理、访问网页等动态特征进行提取,通过分析行为结果对待检测网页进行检测[5-6]
文章来源:《电子技术应用》杂志12月刊
点击下方阅读原文,下载论文PDF






☞商务合作:☏ 请致电010-82306118 /✐ 或致件 Tiger@chinaaet.com

这里“阅读原文”,直达电子技术应用官网

[ 新闻来源:电子技术应用ChinaAET,更多精彩资讯请下载icspec App。如对本稿件有异议,请联系微信客服specltkj]
存入云盘 收藏
举报
全部评论

暂无评论哦,快来评论一下吧!