一种应用于机器学习的恶意网页特征提取方法
2022年电子技术应用第12期
张珂伟1，2，郑世普1，2，程永灵1，2，王长帅1，2
1.中电（海南）联合创新研究院有限公司，海南 澄迈571924； 2.海南省PK体系关键技术研究重点实验室，海南 澄迈571924
摘要： 基于机器学习的恶意网页检测技术进行研究。目前流行的“特征码”“白名单”等方式，仅能够检测已知的恶意网页；机器学习方法，能够检测出未知的恶意网页，但在处理网页特征时要面临数据量大、复杂和繁琐的问题。提出一种哈希压缩的方法，用于处理网页的特征数据。该方法在保证检测模型的漏报率和误报率下可实现将150万的特征映射在2万的特征空间内，对提取出的特征数据运用K折交叉验证法训练多个传统机器学习模型和集成学习模型。并通过评估模型的检测效果，筛选出表现最好的分类检测模型。
中圖分類號： TP181
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.222907
中文引用格式： 張珂偉，鄭世普，程永靈，等. 一種應用于機器學習的惡意網頁特征提取方法[J].電子技術應用，2022，48(12)：122-127.
英文引用格式： Zhang Kewei，Zheng Shipu，Cheng Yongling，et al. A feature extraction method for malicious web pages applied on machine learning[J]. Application of Electronic Technique，2022，48(12)：122-127.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.222907
中文引用格式： 張珂偉，鄭世普，程永靈，等. 一種應用于機器學習的惡意網頁特征提取方法[J].電子技術應用，2022，48(12)：122-127.
英文引用格式： Zhang Kewei，Zheng Shipu，Cheng Yongling，et al. A feature extraction method for malicious web pages applied on machine learning[J]. Application of Electronic Technique，2022，48(12)：122-127.
A feature extraction method for malicious web pages applied on machine learning
Zhang Kewei1，2，Zheng Shipu1，2，Cheng Yongling1，2，Wang Changshuai1，2
1.CEC Joint Innovation Research Institute，Chengmai 571924，China； 2.Key Laboratory of PK System Technologies Research of Hainan Province，Chengmai 571924，China
Abstract： Applied on machine learning, malicious web page detection technology is studied in this paper. At present, popular methods of “feature code” or “whitelist” can only detect known malicious web pages. The method of machine learning can detect unknown malicious web pages, but it has to face the problem of that the data is large, complex and tedious when processing web page features. In this paper, a Hash compression method is proposed. The method can map 1.5 million features into 20,000 feature space, and train multiple traditional machine learning models and integrated learning models using k-fold cross-validation method for extracted feature data. The best classification detection model will be selected by evaluating the detection effect of the model.
Key words : machine learning；malicious web page detection；Hash compression method
0 引言
PKS體系是中國電子在PK體系的基礎上，將“可信計算3.0”技術融入到CPU、操作系統和存儲控制器中，形成了“三位一體”的“PKS”主動免疫防護。PKS通過在核心層內生內置安全技術，最大限度地提升網絡安全防護效果。本文基于PKS“小核心大生態”理念，在基于PKS核心底座的基礎上，通過提出一種網頁特征提取方法，實現在增強層進一步提升系統安全的能力。
隨著網絡的迅速發展，網絡攻擊已經成為一個嚴重的問題。當前一些網絡釣魚、垃圾郵件、木馬下載、惡意軟件執行等攻擊方式常常通過惡意網頁作為傳播中介。因此，檢測惡意網頁去阻止這些攻擊，對維護網絡安全具有非常重要的意義[1]。
當前惡意網頁的檢測方法主要包括靜態特征檢測和動態特征檢測，兩種檢測方法都需要對網頁特征進行提取。靜態特征的提取方法是首先需要建立一個惡意網頁特征庫，對網頁的源代碼或URL鏈接等屬性進行特征提取，將提取的特征在惡意網頁靜態特征庫中進行比對，最終判斷待檢測網頁是否為惡意網頁[2-4]。動態特征檢測方法是對惡意網頁在運行時數據的下載動作、插件處理、訪問網頁等動態特征進行提取，通過分析行為結果對待檢測網頁進行檢測[5-6]。
本文詳細內容請下載：http://www.tom3567.com/resource/share/2000005053。
作者信息：
張珂偉1，2，鄭世普1，2，程永靈1，2，王長帥1，2
(1.中電（海南）聯合創新研究院有限公司，海南 澄邁571924；
2.海南省PK體系關鍵技術研究重點實驗室，海南 澄邁571924)
此內容為AET網站原創，未經授權禁止轉載。