APP下载

基于字符卷积神经网络的违法URL识别

2021-05-23汪俊明俞诗博李素云

电脑知识与技术 2021年11期
关键词:深度学习

汪俊明 俞诗博 李素云

摘要:违法URL是网络违法犯罪传播的方式之一,当前,依托互联网进行的诈骗、赌博等违法行为日益猖獗,上当受骗者众多,严重危害人民群众财产安全和正常生活秩序。针对上述问题,该实验利用深度学习方法,挖掘历史违法URL数据特征,建立违法URL快速识别模型,为打击网络犯罪提供支撑。

关键词:深度学习;神经网络;恶意URL

中图分类号:TP183      文献标识码:A

文章编号:1009-3044(2021)11-0181-03

近年来,随着移动网络应用的蓬勃发展,依托互联网进行的违法行为日益猖獗,通过App、网站进行的网络犯罪现象持续高发,虽然经过公安、电信、银行、互联网企业等单位的多方努力,进行了大量宣传、采取各种防范措施,但上当受骗者仍不在少数,严重危害人民群众财产安全,扰乱正常生产生活秩序,已成为影响社会稳定的突出问题。特别是网络诈骗,具有方式多样、手段翻新快、隐匿性强、技术化程度高、目标针对性广等特点,大量诈骗通过短信和通联应用向不特定对象传播、发送恶意URL,诱使当事人访问违法页面,进而落入各种诈骗陷阱。因此,及时准确识别违法URL,采取有效措施预先防范潜在违法行为,是构建网络安全防护体系的重要环节。

本文提出了一种基于字符卷积神经网络(Char-CNN)的违法URL识别算法[1],在第一节中,我们介绍当前识别违法URL的主流技术手段;第二节中,我们对本文提出的违法URL识别算法进行了详细介绍,第三节报告该算法在真实数据上的实验结果,最后对算法的应用进行了总结。……

登录APP查看全文

猜你喜欢

深度学习
从合坐走向合学:浅议新学习模式的构建
面向大数据远程开放实验平台构建研究
基于自动智能分类器的图书馆乱架图书检测
搭建深度学习的三级阶梯
有体验的学习才是有意义的学习
电子商务中基于深度学习的虚假交易识别研究
利用网络技术促进学生深度学习的几大策略
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
深度学习算法应用于岩石图像处理的可行性研究