隨著網(wǎng)絡技術越來越發(fā)達,人們接觸網(wǎng)絡的門檻越來越低,使用互聯(lián)網(wǎng)的人群也越來越多,隨之產(chǎn)生的隱患也越來越多。通過互聯(lián)網(wǎng)的途徑,網(wǎng)絡犯罪分子進行財務信息竊取、進行欺詐性購買、制作垃圾郵件等活動,而惡意網(wǎng)站無疑給不法分子提供了廣闊的空間,所以,對惡意網(wǎng)址的識別非常具有現(xiàn)實意義。近年來,對于惡意網(wǎng)址的識別已取得了一定的成果,在傳統(tǒng)的惡意網(wǎng)址的識別中,采用的主要方法是黑名單以及啟發(fā)式規(guī)則等。這些方法的缺點都太過明顯,黑名單的方式進行識別也僅是識別了已經(jīng)存在于黑名單中的惡意網(wǎng)址;啟發(fā)式規(guī)則則是對規(guī)則的探索者要求極高,需要對惡意網(wǎng)址有及其深入的研究,但這種規(guī)則難以探尋并且難以更改。之后也開始有人用機器學習的方式對惡意網(wǎng)址進行識別,但是也大多集中于對釣魚類型網(wǎng)址的識別。惡意網(wǎng)址頁面信息主要由文本信息和非文本信息組成,而在目前的機器學習以及深度學習的研究中,在文本信息識別以及分類等方面都取得了一定的成果。本文主要總結前人的經(jīng)驗,并將其與實踐結合,利用機器學習的成果,進行對惡意網(wǎng)址的識別。本文的主要工作為:（1）惡意網(wǎng)址的內(nèi)容方面從文本信息和非文本信息兩個方面入手,提高對惡意網(wǎng)址多種類別的識別。（2）對于... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖１．１：?２０１３－２０１７年寬帶用戶數(shù)??

第六章對整篇文章進行總結，對文章中的不足進行分析，以及之后的可能發(fā)??展方向進行說明。??如圖１．２所示，為本文的組織結構圖。??第一?ｓ??惡耷網(wǎng)址相關知識???ｔ??第二Ｓ??國內(nèi)Ｍ１究致！狀??｜￣￣＊—?—￣￣１￣￣￣：?：￣￣１￣￣￣，??爸二ｓ?笛ＰＤＳ?第五受?第六呈??Ｓ?，舒】ｆ鍾?靖■?本信??Ｉ????Ｉ＿＿＿＿—！?：?１??｜??第七妾??總結??圖１．２：本文的組織結構圖??５??

淫穢色情惡意網(wǎng)址進行判定。非文本信息的識別重點主要在圖片特征的提取以及??膚色像素檢測這兩個方面。??如圖１．３所示，為本文的惡意網(wǎng)址識別流程圖。??惡意網(wǎng)址的識別??數(shù)據(jù)采集?機器學習??惡基頁?文?￥??耷涵畫?本?￥??域數(shù)信?信?ｆ??名提息?Ｂ?孟??詞?分圖膚??匯?類片色??特?萁?特?識??征?法?征?別??圖１．３：惡意網(wǎng)址的識別流程圖??６??


本文編號：2983552