一種基于FTCNN-BILSTM的惡意URLs檢測(cè)方法
計(jì)算機(jī)應(yīng)用與軟件
頁數(shù)： 7 2023-11-12
摘要： 針對(duì)目前惡意URL檢測(cè)模型中泛化性不夠好，準(zhǔn)確率不夠高的問題，提出一種基于字符嵌入編碼的FTCNN-LSTM的惡意URL多分類檢測(cè)方法。該方法對(duì)URL中的每一個(gè)字符進(jìn)行向量化編碼，并通過批規(guī)范化和定向Dropout對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行剪枝，并使用Focal Loss損失函數(shù)解決數(shù)據(jù)集不平衡的問題。實(shí)驗(yàn)結(jié)果顯示，與機(jī)器學(xué)習(xí)訓(xùn)練的模型相比，該方法在多分類上召回率提升了1.73%。該模型在... （共7頁）
APP 