基于机器学习的网站漏洞预警研究——以代购系统为例

网络的发展迅速,网上购物、线上支付、网上办公等互联网应用形式各种各样,使得基于浏览器的应用涉及网络应用的方方面面。由于电脑系统及各种应用软件、网站等他们的升级开发不断,而漏洞也在所难免,而有些别有居心之人利用漏洞做坏事,使得网站挂马活动越来越猖獗,特别是跨境电商成了重灾区,如何保证网页安全性已经成了安全领域的研究焦点。因此,及时接收到漏洞预警信息,并采取相应的修复或者打补丁的对应措施,可以预防漏洞带来的风险。预警系统的主要工作是在研究监控目前流行的安全平台通报的漏洞和病毒预警信息,同时分析了网页安全信息的特征,将朴素贝叶斯分类算法应用于网页安全信息的检测,提高信息的准确率,最后给出了一种基于朴素贝叶斯分类算法的安全信息检测模型,过滤掉不需要的信息,只将需要的漏洞信息推送到安全工程师的邮箱中,完成了监控预警方案的设计与实现。这个算法的开发将为代购系统的正常安全的运行提供了保驾护航的作用。