【摘要】：隨著信息化建設的快速發(fā)展,互聯(lián)網已經成為人們日常生活不可或缺的一項,人們足不出戶就可以享受到互聯(lián)網帶來的便利。然而互聯(lián)網是一把雙刃劍,方便和安全永遠不能完美兼得,如此巨大數(shù)量的用戶和網站由于安全問題而暴露出危險�；ヂ�(lián)網中存在各種各樣的惡意網站、惡意軟件、病毒木馬,對用戶個人隱私和財產安全造成巨大威脅,不僅給用戶帶來經濟損失,甚至會危害社會和國家安全。這些網絡攻擊進化的越來越復雜和自動化,由于互聯(lián)網傳播迅速和各種類型的惡意網頁層出不窮,為檢測帶來很大難度。論文分析了惡意網頁的攻擊與檢測技術,針對URL檢測中提取文本特征不足的問題提出了基于上下文信息的惡意URL檢測方法,設計實現(xiàn)了基于該檢測方法和網頁源碼靜態(tài)檢測方法相結合的惡意網頁檢測系統(tǒng)。主要工作和成果包括以下幾個方面:(1)針對傳統(tǒng)基于文本特征的檢測方法沒有考慮到URL中詞的位置和上下文信息的不足,提出了一種基于上下文信息的惡意URL檢測方法。該方法利用卷積神經網絡模型自動提取文本特征,尤其是可以獲取URL中詞與詞之間的上下文關系,減少了人工干預。(2)在基于上下文信息的惡意URL檢測方法中,本文分析了URL分類和文本分類的不同之處,研究了URL混淆方式,對URL針對性的進行分詞和預處理,暴露出惡意URL混淆意圖,并且提出了利用字符之間視覺相似度改進后的編輯距離算法來計算域名相似性。使用開源工具Word2vec生成詞向量,構建了適用于URL這種短文本分類的卷積神經網絡,能夠提取到現(xiàn)有檢測方法無法捕獲的文本特征。根據(jù)實驗結果對比,該檢測方法比傳統(tǒng)利用詞袋模型和支持向量機算法來分類URL在準確率和召回率均有所提升。然后利用基于機器學習算法的網頁源碼檢測彌補了僅使用URL文本特征分類檢測惡意網頁類型不全面的缺點,結合兩種檢測技術的優(yōu)點設計出一個檢測方法,在低資源消耗的情況下保證檢測率。(3)基于上述方法設計實現(xiàn)了惡意網頁檢測系統(tǒng),描述了系統(tǒng)各主要模塊的設計與實現(xiàn)方案,測試了整體系統(tǒng)的檢測能力和檢測效率。
【圖文】：

兄＝＋１邐式⑷）逡逑＼ｗＴｘｊ邋＋ｂ＜－＼，邋ｙｔ邋＝邋－１逡逑如圖２－２所示，距離超平面最近的幾個樣本點使得上述等式成立，它們被稱逡逑為“支持向量”。從直觀上而言，這個超平面應該是處于兩類數(shù)據(jù)最中間的直線，逡逑也就是使直線兩邊的數(shù)據(jù)離直線間隔最大化。逡逑９逡逑

２．３．３隨機森林算法逡逑在機器學習中，，有一種方法是把多個弱分類器組合起來提升為強分類器，這逡逑種方法稱為集成學習，是機器學習中的一大分支。集成學習器如圖２－３所示。逡逑基學習器１邋＼逡逑基學習器２邐邐邋邐逡逑結合邋邐＆邋集成逡逑．邐？邐＞算法邐學習器逡逑基學習器Ｎ邋Ｚ逡逑圖２－３集成學習示意圖逡逑隨機森林算法就是集成學習的一種，它的基本單元是決策樹，其中的每棵樹逡逑按照如下規(guī)則生成：逡逑（１）假設訓練集大小為Ｎ，對于基分類器而言，也就是每個決策樹的訓練逡逑集大小均為Ｎ，但是抽樣方法采用的是隨機、有放回的抽�。蝹�樣本，這種抽逡逑樣方式導致每個決策樹的訓練集都不相同并且有重復，增加每棵樹的差異性，提逡逑升總體模型的能力。逡逑１２逡逑
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.08

【相似文獻】

相關期刊論文 前10條

1 楊光;;刪除惡意網頁對系統(tǒng)修改的幾個方法[J];計算機與網絡;2014年08期

2 韓豐海;查看惡意網頁有妙招[J];電腦應用文萃;2005年09期

3 ;追擊連環(huán)惡意網頁病毒[J];計算機與網絡;2004年09期

4 ;輕松對付惡意網頁[J];中國會計電算化;2003年07期

5 ycx;對付惡意網頁三法[J];中國電子與網絡出版;2003年11期

6 徐海斌;;走出惡意網頁的沼澤地[J];電腦應用文萃;2002年07期

7 倪一濤;陳詠佳;林柏鋼;;基于自動解混淆的惡意網頁檢測方法[J];信息網絡安全;2019年04期

8 冰河洗劍;;斬斷惡意網頁之手[J];電腦迷;2007年18期

9 CLX;;三招徹底防范惡意網頁[J];電腦迷;2005年12期

10 李強 ,昊蟲蟲;清除惡意網頁病毒又兩招[J];電腦愛好者;2004年20期

相關會議論文 前3條

1 孫靖超;;一種基于機器學習的網頁分類技術[A];第32次全國計算機安全學術交流會論文集[C];2017年

2 胡永濤;姚靜晶;趙恒立;;國內政府網站安全狀況主動調查[A];全國計算機安全學術交流會論文集（第二十四卷）[C];2009年

3 唐雅茜;朱海波;黎玲;;破解惡意網頁十大招[A];2008年廣西氣象學會學術年會論文集[C];2008年

相關重要報紙文章 前10條

1 cdrom;惡意網頁幾時休[N];中國電腦教育報;2002年

2 徐海斌;惡意網頁我們這樣對付它[N];中國電腦教育報;2002年

3 何斌;巧用“3721”屏蔽惡意網頁[N];中國電腦教育報;2003年

4 ;對付惡意網頁[N];中國電腦教育報;2003年

5 徐海斌;以牙還牙 巧治惡意網頁病毒[N];中國電腦教育報;2002年

6 王書杰;追擊連環(huán)惡意網頁病毒[N];中國電腦教育報;2004年

7 邊歆;惡意網頁每天增加5000個[N];網絡世界;2008年

8 ;“極限女孩”惡意網頁病毒[N];中國財經報;2002年

9 天津 Kingstar;菜鳥VS惡意網頁[N];電腦報;2003年

10 王紹清;和惡意網頁代碼拜拜[N];中國電腦教育報;2002年

相關博士學位論文 前2條

1 馬洪亮;基于JavaScript的惡意網頁異常檢測方法研究[D];北京交通大學;2018年

2 沙泓州;面向大規(guī)模網絡流量的URL實時分類關鍵技術研究[D];北京郵電大學;2015年

相關碩士學位論文 前10條

1 吳海濱;惡意網頁檢測技術的研究與實現(xiàn)[D];北京郵電大學;2019年

2 陳博深;代價敏感的多分類惡意網頁識別系統(tǒng)研究與實現(xiàn)[D];北京郵電大學;2019年

3 陳常杰;基于圖像語義理解的惡意網頁識別方法研究[D];南昌航空大學;2019年

4 皇甫群澤;惡意網頁檢測系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學;2018年

5 王維光;基于分類算法的惡意網頁檢測技術研究[D];北京郵電大學;2015年

6 羅劍;數(shù)據(jù)挖掘在惡意網頁動態(tài)檢測中的應用研究[D];上海交通大學;2012年

7 李敏;惡意網頁檢測系統(tǒng)的設計與實現(xiàn)[D];北京郵電大學;2016年

8 姚楠;基于客戶端惡意網頁收集與分析系統(tǒng)的安全技術研究[D];武漢理工大學;2014年

9 王松;基于學習的惡意網頁智能檢測系統(tǒng)[D];南京理工大學;2011年

10 張亮;面向Linux的瀏覽器惡意網頁檢測系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2016年

本文編號：2697744