【技术实现步骤摘要】
恶意URL检测方法及系统
本专利技术涉及网络信息安全
，尤其涉及一种恶意URL检测方法及系统。
技术介绍
随着互联网的迅速发展，出现了越来越多的恶意URL攻击，严重威胁着网络安全。传统的URL攻击检测系统主要通过使用黑名单或规则列表。而这些名单或者规则列表将变得越来越长，以这些方式防范所有的攻击是不现实的。更严重的是，这些方法难以检测潜在的威胁，网络安全工程师很难有效地发现新出现的恶意URL攻击。为了提高算法的泛化能力，很多研究人员采用基于机器学习的方法来完成这项任务。这些方法主要分为两类：一是无监督的方式，例如异常检测技术，此类方法不需要对数据进行标注；但模型对于输入特征的要求远高于一般的有监督模型，通常在特征数量稍多的情况下就难以保持其分值顶部的性能。二是有监督的方式，基于人的业务经验进行人工标注，随后基于标注进行有监督学习得到模型，但标注成本高、标注专家本身存在人工主观性误差，这会导致准确性降低的问题。当可以得到标注数据时，有监督学习方法通常实现更强的泛化能力。然而在很多时候，我们很难获得精准的标...
【技术保护点】
1.一种恶意URL检测方法，其特征在于，包括以下步骤：/n步骤S1、获取URL待分析数据集，并获取恶意URL训练样本集；利用恶意URL训练样本集训练SVM支持向量机对URL待分析数据集进行分类，得到恶意URL数据集和待标注URL数据集；/n步骤S2、采用聚类算法对待标注URL数据集进行聚类，从而得到待标注URL样本集；将待标注URL样本集根据是否具有恶意的判断结果进行标注，从而分为标注恶意URL样本集和无标注URL样本集；将标注恶意URL样本集和恶意URL训练样本集以集合求并集的方式合并，得到更新后的恶意URL训练样本集；将待标注URL数据集减去标注恶意URL样本集，得到更...
【技术特征摘要】
1.一种恶意URL检测方法，其特征在于，包括以下步骤：
步骤S1、获取URL待分析数据集，并获取恶意URL训练样本集；利用恶意URL训练样本集训练SVM支持向量机对URL待分析数据集进行分类，得到恶意URL数据集和待标注URL数据集；
步骤S2、采用聚类算法对待标注URL数据集进行聚类，从而得到待标注URL样本集；将待标注URL样本集根据是否具有恶意的判断结果进行标注，从而分为标注恶意URL样本集和无标注URL样本集；将标注恶意URL样本集和恶意URL训练样本集以集合求并集的方式合并，得到更新后的恶意URL训练样本集；将待标注URL数据集减去标注恶意URL样本集，得到更新后的URL测试数据集；
步骤S3、利用更新后的恶意URL训练样本集训练SVM支持向量机对更新后的URL测试数据集进行分类，输出无标注URL数据集。
2.根据权利要求1所述的恶意URL检测方法，其特征在于，聚类算法为K均值聚类算法、均值漂移聚类算法、基于密度的聚类算法、基于高斯混合模型的期望最大化聚类算法、凝聚层次聚类算法或图团体检测法。
3.根据权利要求2所述的恶意URL检测方法，其特征在于，步骤S2采用采用MiniBatchK均值算法对待标注URL数据集进行聚类，从而得到待标注URL样本集。
4.根据权利要求1所述的恶意URL检测方法，其特征在于，步骤S3还包括：将URL待分析数据集减去无标注URL数据集，从而得到最终的恶意URL数据集。
5.一种恶意URL检测系统，其特征在...
【专利技术属性】
技术研发人员：熊骁，郭岗，林飞，古元，沈智杰，景晓军，
申请(专利权)人：深圳市任子行科技开发有限公司，北京亚鸿世纪科技发展有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。