信息安全最新文章

基于Boosting集成學(xué)習(xí)的風(fēng)險URL檢測研究

隨著互聯(lián)網(wǎng)的不斷發(fā)展,,網(wǎng)站數(shù)量不斷增長,URL作為訪問網(wǎng)站的唯一入口,成為Web攻擊的重點對象,。傳統(tǒng)的URL檢測方式主要是針對惡意URL,,主要方法是基于特征值和黑白名單,容易產(chǎn)生漏報,,且對于復(fù)雜URL的檢測能力不足,。為解決上述問題,基于集成學(xué)習(xí)中的Boosting思想,,提出一種針對業(yè)務(wù)訪問的風(fēng)險URL檢測的混合模型,。該模型前期將URL作為字符串,使用自然語言處理技術(shù)對其進行分詞及向量化,,然后采用分步建模法的思想,,首先利用GBDT算法構(gòu)建二分類模型,判斷URL是否存在風(fēng)險,,接著將風(fēng)險URL原始字符串輸入到多分類模型中,,利用XGBoost算法對其進行多分類判定,明確風(fēng)險URL的具體風(fēng)險類型,,為安全分析人員提供參考,。在模型構(gòu)建過程中不斷進行參數(shù)調(diào)優(yōu),并采用AUC值和F1值分別對二分類模型和多分類模型進行評估,,評估結(jié)果顯示二分類模型的AUC值為98.91%,,多分類模型的F1值為0.993,效果較好,。將其應(yīng)用到實際環(huán)境中,與現(xiàn)有檢測手段進行對比,,發(fā)現(xiàn)模型的檢出率高于現(xiàn)有WAF和APT安全設(shè)備,,其檢測結(jié)果彌補了現(xiàn)有檢測手段的漏報。

發(fā)表于:2024/7/29