基于CNN和多分类器的恶意URLs检测

基于特征提取的恶意URLs的检测方法中,人工提取规则的设计依赖于丰富的专家知识以及大量的数据分析,同时规则的设计与更新需要消耗大量的人力与时间。针对以上问题,提出一种基于卷积神经网络的URLs特征自动提取方法。通过数据预处理与模型训练,实现对URLs特征的自动学习,完成提取规则的自动设计与更新。通过收敛的模型完成URLs特征的自动提取,结合J48、随机森林、支持向量机等多种分类方法对提取结果进行验证。实验结果表明,训练的模型可以自动设计和更新特征提取规则,提取的特征具有良好的区分能力及普适性。多分类器的平均准确率超过了97%,最高达到了99.2%,FPR低至0.01。