万梦翔，姚寒冰 ，2

1.武汉理工大学 计算机科学与技术学院，武汉 430063

2.武汉理工大学 交通物联网技术湖北省重点实验室，武汉 430070

随着科技的发展，互联网上层出不穷的应用服务给人们生活带来便利的同时也产生了许多安全问题。各式各样的恶意网页，在用户不知情的情况下，窃取用户隐私信息，对用户网络安全构成了极大的威胁。瑞星中国网络安全报告[1]显示，2018年瑞星在全球范围内共拦截恶意网页1.06 亿个，中国地区339 万个，并且有持续增长趋势。

恶意网页是一类以网页木马、钓鱼网站为代表的网页，恶意网页通过伪装成合法网站或在页面中嵌入恶意脚本等方式，在用户访问时对其网络安全构成威胁。针对恶意网页识别问题，一般有传统黑名单技术[2]、基于启发式规则的方法[3]、基于机器学习的方法[4-5]以及动态检测技术[6-7]等。现有检测方案还存在着一些缺陷：黑名单技术不能检测新出现的恶意网页；基于启发式规则的方法存在规则更新难，误判率高的问题；基于机器学习的方法需要大量标记的网页样本，但是恶意网页样本收集困难，样本标注工作量大；使用动态检测技术对资源、时间的消耗较大。

基于机器学习的恶意网页识别方法主要通过收集大量有标记的网页样本，通过特征提取将样本集转换成特征向量集，然后训练一个分类器或多个分类器组成集成分类器，最后通过训练好的分类器对待测样本进行检测。但是恶意网页生存期短，攻击手段多变，导致样本收集困难，难以获取充足的均衡样本集。……