[发明专利]一种结合多重特征的恶意URL检测方法有效
| 申请号： | 201910134025.3 | 申请日： | 2019-02-22 |
| 公开（公告）号： | CN109922052B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 王伟平;吴森焱;宋虹;张士庚;王建新 | 申请（专利权）人： | 中南大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06F21/56 |
| 代理公司： | 长沙市融智专利事务所(普通合伙) 43114 | 代理人： | 杨萍 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种结合多重特征的恶意URL检测方法，包括获取各样本和待检测URL所指向网页的访问交互数据；从访问交互数据中提取各样本和待检测URL的分类特征，分类特征包括页面内容特征、动态解析参数特征和Web会话流程特征；利用样本的分类特征和分类标签训练分类器模型；将待检测URL的分类特征输入训练好的分类器模型进行计算，由分类器模型输出待检测URL的判别值；当待检测URL的判别值大于设定的恶意URL检测阈值时，则判定待检测URL为恶意URL。本发明方法在不需要捕获操作系统底层行为信息的前提下，结合多重特征进行检测，提高了对恶意URL检测的精确性和检测效率。 | ||
| 搜索关键词： | 一种 结合 多重 特征 恶意 url 检测 方法 | ||
【主权项】：
1.一种结合多重特征的恶意URL检测方法，其特征在于，包括以下步骤：步骤1：以正常URL和已知恶意URL作为样本，获取各个样本所指向网页的访问交互数据；步骤2：分别从每个样本所指向网页的访问交互数据中提取其分类特征，分类特征包括页面内容特征、动态解析参数特征和Web会话流程特征；步骤3：以采用机器学习算法构建分类器模型，以样本的分类特征为分类器模型的输入，样本的分类标签为分类器模型的输出，对分类器模型进行训练；步骤4：获取待检测URL所指向网页的访问交互数据，并从该访问交互数据提取待检测URL的分类特征；步骤5：将待检测URL的分类特征输入训练好的分类器模型中进行计算，根据计算结果判定待检测URL是否为恶意URL。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910134025.3/，转载请声明来源钻瓜专利网。
