公开(公告)号：CN112926303A

公开(公告)日：2021-06-08

申请号：CN202110201467.2

申请日：2021-02-23

Applicant: 南京邮电大学

Inventor： 任勋益 ,  杨晓晓

IPC: G06F40/205 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于BERT‑BiGRU的恶意URL检测的方法，解决当前对于恶意URL检测识别准确度不高的问题。本发明首先使用BERT模型的Transformer特征提取器，代替了传统常用的CNN或者RNN的固有模式，利用其能够提取词向量的动态特征特点以及其本身并行计算的优点，此外由于其多头自注意力机制，可以获得相关性更强的URL文本特征。然后将训练得到的特征向量，输入到BiGRU网络结构，由于其双向各训练一个GRU模型，使得序列中每个词完整依赖上下文信息，接着把神经网络向量拼接之后得到的结果向量，通过全连接层结合softmax分类器，实现URL分类。本发明通过这些模型方法的结合应用，能够提高URL分类的准确性和稳定性，具有良好的实施性和实效性。

公开(公告)号：CN112926303B

公开(公告)日：2023-06-27

申请号：CN202110201467.2

申请日：2021-02-23

Applicant: 南京邮电大学

Inventor： 任勋益 ,  杨晓晓

IPC: G06F40/205 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出一种基于BERT‑BiGRU的恶意URL检测的方法，解决当前对于恶意URL检测识别准确度不高的问题。本发明首先使用BERT模型的Transformer特征提取器，代替了传统常用的CNN或者RNN的固有模式，利用其能够提取词向量的动态特征特点以及其本身并行计算的优点，此外由于其多头自注意力机制，可以获得相关性更强的URL文本特征。然后将训练得到的特征向量，输入到BiGRU网络结构，由于其双向各训练一个GRU模型，使得序列中每个词完整依赖上下文信息，接着把神经网络向量拼接之后得到的结果向量，通过全连接层结合softmax分类器，实现URL分类。本发明通过这些模型方法的结合应用，能够提高URL分类的准确性和稳定性，具有良好的实施性和实效性。