基于CATBL算法的恶意URL检测

作者：修位蓉; 王欢欢; 卞琛^*

来源：计算机工程与设计, 2021, 42(11): 3059-3066.

DOI：10.16208/j.issn1000-7024.2021.11.008

• 恶意URL
• 特征融合
• 纹理图像特征
• 卷积神经网络
• 检测

为提高对恶意URL检测的准确率,提出一种结合注意力机制的卷积神经网络和双向长短时记忆网络并联联合算法模型(CATBL)。提取用于表达恶意URL二进制文件内容相似性的纹理图像特征,提取URL信息特征及主机信息特征,将这几种特征进行融合,利用CNN (convolutional neural network)挖掘深层次局部特征,采用Attention机制调整权重和双向LSTM (bidirectional long short-term memory)提取全局特征,用于对网络中的恶意URL进行检测。实验结果表明,使用该算法检测恶意URL的准确率达到98.8%,与传统检测方式相比,具有明显的提升。

• 单位
  新疆大学; 广东金融学院; 广州商学院