基于Bi-LSMT结合注意力机制的钓鱼网站识别

随着互联网的普及,钓鱼网站是人们接触到最常见的网络犯罪类型之一,造成了巨大的经济损失、信息泄漏等危害。鉴于此,提出了一种基于双向长短记忆神经网络(Bi-LSTM)结合注意力机制模型来识别钓鱼网站。预处理之后的数据,采用Word2Vec模型构建词向量,通过Bi-LSTM进行特征提取,并使用注意力机制计算注意力权重,生成最终的特征向量,通过Sigmoid函数对网站类别分类。实验结果表明,所提出的模型在对钓鱼网站检测效果达到98.3%,能够有效应对此类攻击威胁,有助于维护网络空间安全体系。

针对恶意逃避行为的PDF文档检测

便捷式文档格式(PDF)是全球数据交换中广泛使用的格式之一,人们对其有很高的信任度。然而,近年来不法分子利用PDF文档进行恶意网络攻击的情况越来越严重。随着黑客技术的进步,他们也逐渐采用一些逃避检测的方法,使得常见的学习算法难以检测到这种恶意文件。针对这些“更聪明”的恶意PDF攻击样本,对PDF文档的特性进行了分析,提取了25维特征,并应用调参后的Adaboost算法训练模型,准确率达到99.63%,优于同领域的其他研究成果。