公开(公告)号：CN110602045A

公开(公告)日：2019-12-20

申请号：CN201910744001.X

申请日：2019-08-13

Applicant: 南京邮电大学

Inventor： 成卫青 ,  魏旭

IPC: H04L29/06 ,  G06N20/00 ,  G06F16/955 ,  H04L29/08

Abstract: 本发明公开了一种基于特征融合和机器学习的恶意网页识别方法，包括训练数据集与测试数据集的构建，HTTP请求信息的收集，将HTTP请求特征与URL特征和源代码特征融合，生成融合特征，使用5折交叉验证进行机器学习模型训练，得到最优的分类模型，根据最优的分类模型对恶意网页识别，本发明基于HTTP请求信息的特征构建的分类模型可以快速有效地识别可疑网页，为用户提供实时的网页安全性分析服务。

公开(公告)号：CN110602045B

公开(公告)日：2022-03-08

申请号：CN201910744001.X

申请日：2019-08-13

Applicant: 南京邮电大学

Inventor： 成卫青 ,  魏旭

IPC: H04L9/40 ,  G06N20/00 ,  G06F16/955 ,  H04L67/02

Abstract: 本发明公开了一种基于特征融合和机器学习的恶意网页识别方法，包括训练数据集与测试数据集的构建，HTTP请求信息的收集，将HTTP请求特征与URL特征和源代码特征融合，生成融合特征，使用5折交叉验证进行机器学习模型训练，得到最优的分类模型，根据最优的分类模型对恶意网页识别，本发明基于HTTP请求信息的特征构建的分类模型可以快速有效地识别可疑网页，为用户提供实时的网页安全性分析服务。