冯凯媛，罗庆斌,2*，郑明辉，李 超

(1.湖北民族大学 信息工程学院，湖北 恩施 445000；2.广西民族大学 广西混杂计算与集成电路设计分析重点实验室，南宁 53006)

2019年，瑞星“云安全”系统在全球范围内共截获恶意网址(URL)总量1.45亿个，中国恶意URL总量为417.63万个，北京就有55万个[1].恶意网页已经成为不法分子互联网犯罪最常用的攻击手段之一，给用户和企业都带来了极大的安全隐患.尽管各类安全程序不断更迭，但是不法分子总能抓住用户的弱点，利用人们心理来进行欺骗(如网络钓鱼攻击[2]).他们通常都有一个共同特点：伪装成某种正常网页的形式让人们浏览页面内容，同时非法获取电脑里面的各种数据[3].以钓鱼网站[4-5]、垃圾网页[6]、网页挂马[7]等为代表.

经典的恶意网页检测常用方法是黑名单技术，比如Phishtank[8]、Fierce Phish[9].但其存在一定的滞后性[10]，只能识别已经发现的恶意网页，容易引起漏判.针对传统检测方法还存在误判率高，规则不易更新的特点.因此，基于机器学习的网页识别方法进一步被提出，相比传统检测方法更加有效、安全.对于基于机器学习的检测方法，选择不同的网页特征进行分类会直接影响到分类的结果[11].Prof等[12]论证了网页特征提取在恶意网页检测中具有重要的意义.因此提取更具有代表性的特征，可以有效提高分类器学习的效率和分类的准确率.Patgiri等[13]提取了URL的词汇特征、基于网络的特征和基于主机的特征建立分类器，有较好的准确率.但其提取的网页特征较……