[发明专利]训练用于分类统一资源定位符的分类器的方法及系统

权利要求书

1.一种训练用于分类统一资源定位符URL的分类器的方法，包括：

收集包括恶意URL数据和正常URL数据的URL数据，

获取与每个URL数据对应的特征向量，

使用过采样长短记忆单元对特征向量进行处理，所述过采样长短记忆单元将每个特征向量随机化得到与该特征向量对应的包括多个随机化的特征向量的一组序列，对所述一组序列中的每个随机化的特征向量进行长短记忆处理，将长短记忆处理后的随机化的多个特征向量求平均得到最终特征向量，以及

使用最终特征向量训练分类器。

2.如权利要求1所述的方法，还包括对所收集的URL数据进行预处理。

3.如权利要求1所述的方法，还包括在使用过采样长短记忆单元对特征向量进行处理之前对特征向量进行掩模处理，所述掩模处理加强URL数据中的特殊字符对特征向量的贡献。

4.如权利要求1所述的方法，还包括在使用过采样长短记忆单元对特征向量进行处理之前对特征向量进行尺度变换处理，所述尺度变换处理调整URL数据中的字符对特征向量的贡献。

5.如权利要求1所述的方法，其中收集包括恶意URL数据和正常URL数据的URL数据包括使得所收集的恶意URL数据与所收集的正常URL数据的量大致相等。

6.如权利要求2所述的方法，其中对所收集的URL数据进行预处理包括对数据进行降噪处理。

7.如权利要求2所述的方法，其中对所收集的URL数据进行预处理包括去除URL数据中的协议头。

8.如权利要求2所述的方法，其中对所收集的URL数据进行预处理包括使得所收集的URL数据对齐。

9.如权利要求3所述的方法，其中对特征向量进行掩模处理基于如下公式:

X＝XeM,

其中Xe是所获取的预处理后的URL数据的特征向量，M是表示特殊字符对特征向量的贡献的向量，X是处理后得到的向量。

10.如权利要求4所述的方法，其中根据如下公式对特征向量进行处理:

其中Xe是所获取的预处理后的URL数据的特征向量，M是表示特殊字符对特征向量的贡献的向量,s是尺度变换参数，n表示包含特定字符的样本的个数，σ是调节参数，X是处理后得到的向量。

11.如权利要求9或10所述的方法，其中所述特殊字符包括“/”，“”，“？”以及“.”中的一个或多个。

12.如权利要求1所述的方法，其中根据如下公式对特征向量进行处理:

X′是最终特征向量，X_k是第k个随机化特征向量，n为对每个特征向量随机化得到的随机化向量的个数，LSTM为长短期记忆处理。

13.一种检测统一资源定位符URL的方法，包括：

将需要检测的URL输入根据前述任一权利要求训练的分类器，以及

从所述分类器得到该URL是否为恶意的结果。

14.一种用于检测统一资源定位符URL的系统，包括处理器及存储器，所述存储器具有程序指令存储其上，当由处理器执行所述程序指令时执行如权利要求1-13中任一项所述的方法。