一種應用于機器學習的惡意網頁特征提取方法
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>768 K
標簽： 機器學習 惡意網頁檢測 哈希壓縮
所需積分：0分積分不夠怎么辦,？
文檔介紹：基于機器學習的惡意網頁檢測技術進行研究。目前流行的“特征碼”“白名單”等方式,，僅能夠檢測已知的惡意網頁,；機器學習方法，能夠檢測出未知的惡意網頁,，但在處理網頁特征時要面臨數(shù)據(jù)量大,、復雜和繁瑣的問題。提出一種哈希壓縮的方法,，用于處理網頁的特征數(shù)據(jù),。該方法在保證檢測模型的漏報率和誤報率下可實現(xiàn)將150萬的特征映射在2萬的特征空間內，對提取出的特征數(shù)據(jù)運用K折交叉驗證法訓練多個傳統(tǒng)機器學習模型和集成學習模型,。并通過評估模型的檢測效果,，篩選出表現(xiàn)最好的分類檢測模型。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復下載不扣分，本人上傳資源不扣分,。