| 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據量大、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據。該方法在保證檢測模型的漏報率和誤報率下可實現將150萬的特征映射在2萬的特征空間內，對提取出的特征數據運用K折交叉驗證法訓練多個傳統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，篩選出表現最好的分類檢測模型。 | |
| 現在下載 | |
| 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。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2