釣魚網(wǎng)站的泛濫給國民的生產(chǎn)生活帶來了巨大的威脅,不利于經(jīng)濟的發(fā)展與和諧穩(wěn)定。將神經(jīng)網(wǎng)絡應用于釣魚網(wǎng)站的檢測,采用GA算法對BP神經(jīng)網(wǎng)絡進行優(yōu)化,得到了優(yōu)化后的GA-BP神經(jīng)網(wǎng)絡。建立了包含3個釣魚網(wǎng)站顯性特征向量和3個隱性特征向量的綜合評價模型,同時對3個隱性特征向量采用GA-BP算法進行識別。采用國際反釣魚組織的數(shù)據(jù)作為樣本,通過測試集測試結果表明,將釣魚網(wǎng)站的顯性特征和隱性特征結合起來進行評價的辦法使得對釣魚網(wǎng)站的總體識別率、正向樣本識別率和總體漏報率都有了明顯的提高。 

【文章來源】：安陽師范學院學報. 2020,(05)

【文章頁數(shù)】：4 頁

【部分圖文】：

BP神經(jīng)網(wǎng)絡典型結構

BP神經(jīng)網(wǎng)絡在實際中具有十分廣泛的應用,但是由于網(wǎng)絡的輸入層和隱含層、隱含層和輸出層之間的神經(jīng)元連接初始權值對網(wǎng)絡輸出的結果具有比較大的影響,如果連接初始權值設置不合理將導致收斂速度較慢,同時可能導致網(wǎng)絡陷入局部最優(yōu)。遺傳算法(GA)具有良好的全局搜索能力,通過選擇、交叉、變異等過程而獲得全局最優(yōu)解。因此,采用GA對BP神經(jīng)網(wǎng)絡的初始權值進行優(yōu)化,從而獲得GA-BP神經(jīng)網(wǎng)絡[2]。圖2給出了GA-BP神經(jīng)網(wǎng)絡流程圖。種群隨機初始化,同時采用實數(shù)編碼的方式對每一個物種進行編碼處理。自然界的每一個物種個體由神經(jīng)網(wǎng)絡的輸入層與隱含層的連接權值、閾值,隱含層與輸出層的連接權值、閾值所構成。計算適應度函數(shù)F,

GA-BP網(wǎng)絡識別模型的輸入是網(wǎng)站URL,通過對URL特征的提取來檢測釣魚網(wǎng)站。URL提取的特征包括兩類,一類為顯性的特征向量,另一類為隱性的特征向量。顯性特征向量所反映的是釣魚網(wǎng)站的可能性大小,而隱性特征向量是無法直接判斷的特征向量[3]。通過GA-BP神經(jīng)網(wǎng)絡對隱性特征向量進行預測,同時預測的結果和顯性特征向量綜合起來進行判斷網(wǎng)站是否為釣魚網(wǎng)站。釣魚網(wǎng)站檢測模型如圖3所示。2.2 URL特征提取

【參考文獻】：
期刊論文
[1]基于GA-BP神經(jīng)網(wǎng)絡的城市用水量預測[J]. 武風波,趙盼,呂茜彤.  現(xiàn)代電子技術. 2020(08)
[2]釣魚網(wǎng)站檢測研究現(xiàn)狀與發(fā)展趨勢的計量分析[J]. 朱世起,努爾布力.  計算機工程與應用. 2020(15)
[3]基于改進隨機森林算法的釣魚網(wǎng)站檢測方法研究[J]. 朱琪,林果園.  微電子學與計算機. 2019(04)
[4]基于URL語言特征的釣魚網(wǎng)站檢測算法[J]. 王雨琪,劉博文,林果園.  計算機工程與應用. 2019(24)
[5]多特征的網(wǎng)絡釣魚檢測算法研究[J]. 黃亦睿,劉功申,孟魁,蔡逆水.  計算機應用與軟件. 2018(05)



本文編號：3561549