[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

说明书

本公开涉及训练用于分类统一资源定位符的分类器的方法及系统。提供了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。

技术领域

本公开涉及统一资源定位符URL的分类，并且具体地涉及基于机器学习对统一资源定位符URL进行。

背景技术

我们每天都会浏览各种网站来获取信息资源，但潜在的威胁是，我们极有可能受各种挂马网站、色情网站、暴力网站、诈骗网站等的影响。为了应对这种网络安全威胁，检测恶意URL非常有必要。

发明内容

根据本公开的一个实施例，提供了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。

提供上述方案概述仅为了提供对本文所描述的主题的各方面的基本理解。因此，上述方案中的技术特征仅是示例并且不应被解释为以任何方式限制本文所描述的主题的范围或精神。本文所描述的主题的其他特征、方面和优点将从以下结合附图描述的具体实施方式而变得明晰。

附图说明

当结合附图考虑实施例的以下具体描述时，可以获得对本公开内容更好的理解。在各附图中使用了相同或相似的附图标记来表示相同或相似的部件和操作。其中：

图1示出了根据本发明的一个实施例的训练用于分类统一资源定位符URL的分类器的流程图。

图2示出了根据本发明的一个实施例的使用经训练的分类器分类统一资源定位符URL的示意图。

具体实施方式

以下描述根据本公开的方法和系统等各方面的具体示例。描述这些例子仅是为了增加上下文并帮助理解所描述的实施例。因此，对本领域技术人员而言明晰的是，以下所描述的实施例可以在没有具体细节当中的一些或全部的情况下被实施。在其他情况下，众所周知的操作没有详细描述，以避免不必要地模糊所描述的实施例。其他应用也是可能的，本公开的方案并不限制于这些具体示例。

本公开提出了一种基于机器学习的统一资源定位符URL的检测方法和系统。通过使用机器学习，能够批量进行对统一资源定位符URL的检测。使用正常统一资源定位符URL和恶意统一资源定位符URL对模型进行训练。使用经训练的模型能够判断输入至该模型的统一资源定位符URL是否为恶意统一资源定位符URL。因此，能够自动地对攻击的URL进行判断，检测出恶意的URL攻击。本公开所提供的技术方案能够克服传统方法缺乏发现新型恶意URL的能力。同时较基于特征工程的方法有更高的准确率。

根据本公开的一个实施例，提供了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。

图1示出了根据本发明的一个实施例的训练用于分类统一资源定位符URL的分类器的流程图。