基于多特征融合的恶意网页检测方法研究
冯凯媛1
罗庆斌2
郑明辉1
李超1
1.湖北民族大学 信息工程学院,湖北 恩施4450002.湖北民族大学 信息工程学院,湖北 恩施445000;广西民族大学 广西混杂计算与集成电路设计分析重点实验室,南宁53006
摘要：随着恶意网页数量的逐年递增,传统恶意网页检测技术表现出了较大的局限性.因而基于机器学习的检测技术被引入,该技术的关键是有效网页特征的选取.在分析提取传统网页特征URL、HTML和JavaScript代码特征的基础上,融合网页文本内容特征(Text特征),基于机器学习提出一种多特征融合的恶意网页检测方法.通过互信息法、F-检验法、递归特征消除法3种特征选择算法验证得到所提Text特征更具强相关性.其中,RF算法在URL、HT-ML、JavaScript与Text特征的混合特征集上对恶意网页检测的效果最好,该方法与前人工作相比具有更高的准确性与可靠性.
关键词：恶意网页特征选择分类算法递归特征消除机器学习
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61772181)湖北省自然科学基金(2020CFB326)湖北省自然科学基金(2018CFB451)
论文发表日期：2021-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 80-85 )
英文信息