基于多层卷积模型的恶意URL特征自动提取

发布时间：2021-08-16 09:57

　　针对恶意仿冒URL的有效识别问题,提出一种基于skip-gram和连续多层卷积层的模型相结合的网络模型完成对恶意仿冒URL进行特征提取并检测。根据URL结构特性将其切分为5个部分,使用skip-gram对字符进行稠密编码将URL数据信息进行转化;使用连续多个卷积层的CNN模型针对URL的每个部分完成独立特征提取,将特征提取结果进行整合;使用贝叶斯、随机森林等多种分类器对模型提取特征空间进行评估。实验结果表明,该方法能够快速有效地对恶意仿冒URL进行检测,检测准确率可达97%,效果优于典型的eXpose多核卷积模型。 

【文章来源】：计算机工程与设计. 2020,41(07)北大核心

【文章页数】：8 页

【部分图文】：

http协议形式

skip-gram模型旨在将字符转换为占用空间更小的稠密向量。本文以URL为处理单位，选择其最细粒度———字符，作为最小语义单元，统计正、负数据集中的最小语义单元的频次，并按降序排列，结果如图2所示。横坐标为字符降序排列的序号，纵坐标为1-gram字符出现的频次。本文将频次较低字符包括中文字符（’翡’，’语’，’利’，’款’等）、非常用字符（’>’，’π’，’^’，’`’等）及乱码字符（’す’，’í’，’の’，’’等）全部置为”UNK”，以减少模型训练的时间及空间复杂度，且不会对编码结果造成影响。故本文以频次为334次的第79个字符’！’作为切分点，舍去频次小于300次的字符。并将保留的79个字符与”UNK”组成skip-gram模型所需的字符表V。在skip-gram模型中，w∈Rd是w∈V的向量表示，其中，d为字符向量的维数，w为字符表V中的字符。如图3所示，使用滑动窗口得到训练数据（w,c），不仅能获取相邻字符间的关系，也能获取具有一定距离字符间的关系。相较于普通二元数据对能更加准确表达字符的上下文关系。且本文设置大小为5的滑动窗口，即能保证充分获取字符间的关系，又能避免因距离过远而获取的错误关系。

在skip-gram模型中，w∈Rd是w∈V的向量表示，其中，d为字符向量的维数，w为字符表V中的字符。如图3所示，使用滑动窗口得到训练数据（w,c），不仅能获取相邻字符间的关系，也能获取具有一定距离字符间的关系。相较于普通二元数据对能更加准确表达字符的上下文关系。且本文设置大小为5的滑动窗口，即能保证充分获取字符间的关系，又能避免因距离过远而获取的错误关系。在目标字符w的上下文中观察到字符c的概率如式（1）所示，在目标字符w的上下文中未观察到字符c的概率如式（2）所示

【参考文献】：
期刊论文
[1]基于卷积神经网络的恶意URL检测[J]. 潘司晨,薛质,施勇.  通信技术. 2018(08)
[2]卷积网络深度学习算法与实例[J]. 陈旭,张军,陈文伟,李硕豪.  广东工业大学学报. 2017(06)
[3]基于SVM和TF-IDF的恶意URL识别分析与研究[J]. 甘宏,潘丹.  计算机与现代化. 2016(07)
[4]基于巴氏系数和Jaccard系数的协同过滤算法[J]. 杨家慧,刘方爱.  计算机应用. 2016(07)
[5]恶意网页识别研究综述[J]. 沙泓州,刘庆云,柳厅文,周舟,郭莉,方滨兴.  计算机学报. 2016(03)



本文编号：3345459