[发明专利]一种基于URL成像技术的恶意URL检测方法

说明书

本发明公开了一种基于URL成像技术的恶意URL检测方法，包括以下步骤：采集URL字符串，并对其进行哈希处理；利用ASCII码对哈希处理后的URL字符串进行编码，对编码后的URL字符串进行归一化处理；根据归一化处理过后的URL字符串，采用格拉曼角场将URL字符串转换为二维图像；根据卷积神经网络构成inception CNN网络，并对其进行训练；将二维图像输入训练完成的inception CNN网络，得到恶意URL的判断结果。本发明通过将URL转换为二维图像，能够准确的识别恶意URL。

技术领域

本发明属于URL识别领域，具体涉及一种基于URL成像技术的恶意URL检测方法。

背景技术

信息技术的普及极大促进了在线银行、电子商务和社交网络的发展，人们越来越多地通过互联网完成社交、购物、资讯获取等行为，政府也在通过互联网推行电子政务，增强政府的透明性，改进公共决策质量。但同时,互联网也成为不法分子的活跃平台,涌现出大量的网络犯罪行为。网络攻击者通过钓鱼网站、垃圾广告和恶意软件推广等方式非法牟利。在这些攻击行为中，有相当大的一部分是以恶意URL为主要手段实现的。URL即统一资源定位符，是对互联网上资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。而恶意URL是指欺骗用户访问，达到“执行恶意行为”或“非法窃取用户数据”目的URL。攻击者通过恶意URL构建攻击操作，诱导不知情的用户访问攻击者提供的URL，达到其窃取用户的个人隐私信息目的，例如用户的银行帐号及密码信息，或者下载和执行恶意程序或脚本。因此，及时精确地检测恶意URL，从而有效应对大量多类型的网络安全攻击,是构建网络安全解决方案中的重要一环。但现有恶意URL检测的深度学习模型中存在三个基本问题：(1)无法有效地捕获语义或顺序模式:现有的方法依赖于使用单词包特性，但它们不能有效地捕捉单词或字符出现在URL字符串中的顺序；(2)无法处理不可见的特征:在预测过程中，测试URL很可能包含训练数据中不存在的新单词。在这种情况下，经过训练的模型无法从这些单词中提取关于URL的任何有用信息。(3)URL中唯一的单词数量可能非常大，这在训练模型时造成了严重的内存限制。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于URL成像技术的恶意URL检测方法解决了现有恶意URL检测存在的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于URL成像技术的恶意URL检测方法，包括以下步骤：

S1、采集URL字符串，并对其进行哈希处理；

S2、利用ASCII码对哈希处理后的URL字符串进行编码，对编码后的URL字符串进行归一化处理；

S3、根据归一化处理过后的URL字符串，采用格拉曼角场将URL字符串转换为二维GAF图像；

S4、根据卷积神经网络构成inception CNN网络，并对inception CNN网络进行训练；

S5、将二维GAF图像输入训练完成的inception CNN网络，得到恶意URL的判断结果。

进一步地，所述步骤S1中采集的URL字符串为所述d_i表示URL的字符，i＝1,2,...,n，n表示URL的长度。

进一步地，所述步骤S2中利用ASCII码对URL字符串进行编码的具体方法为：通过ASCII码对URL字符串进行编码，得到ASCII字符串；所述ASCII字符串为A(d_i)表示URL的字符d_i的ASCII码；

所述步骤S2中对编码后的URL字符串进行归一化处理的公式如下：

所述编码后的URL字符串进行归一化处理后，得到归一化字符串为