[发明专利]一种基于深度学习的钓鱼网站URL检测方法

摘要

本发明公开了一种基于深度学习的钓鱼网站URL检测方法，该方法仅根据网站URL就能够实时检测互联网上的钓鱼网站。本发明首先将URL字符串序列编码成one‑hot二维稀疏矩阵，接着转化为稠密字符嵌入矩阵，输入到卷积神经网络中，抽取局部深度特征，然后将卷积神经网络的输出输入到长短期记忆网络，捕获URL序列的前后关联，最后接入softmax模型，对URL分类。本发明能避免繁冗的特征工程，通过卷积神经网络抽取局部深度关联性特征，通过长短期记忆网络学习URL中的长程依赖，能快速、准确地检测出钓鱼网站URL。

主权项

1.一种基于深度学习的钓鱼网站URL检测方法，其特征在于，该方法主要包括三个步骤，具体如下：步骤1，URL字符嵌入表示：首先将URL看做字符串序列，从字符层面量化URL，规格化URL，然后将URL字符转换成独热码(one‑hot encode)，最后通过卷积神经网络的嵌入(Embedding)层生成二维稠密矩阵即Embedding矩阵；步骤2，CNN‑LSTM分类层：Embedding矩阵首先通过卷积神经网络的CNN卷积层抽取局部关联性特征，接着抽取的局部关联性特征经池化层降低卷积神经网络模型复杂度；然后通过长短期记忆网络LSTM检测池化序列中的语义和长程依赖关系；最后输入到Softmax单元；步骤3，模型训练：采用交叉熵损失函数，并利用Adam即自适应时刻估计算法迭代训练模型，优化损失函数。