计算机应用

作者：朴杨鹤然, 任俊玲

单位：北京信息科技大学 信息管理学院, 北京 100192

关键词：恶意网页,机器学习,分类器集成,Stacking

基金：国家自然科学基金资助项目（71571021）；北京市教育委员会科技计划项目（KM201811232019）。

针对目前主流恶意网页检测技术耗费资源多、检测周期长和分类效果低等问题，提出一种基于Stacking的恶意网页集成检测方法，将异质分类器集成的方法应用在恶意网页检测识别领域。通过对网页特征提取分析相关因素和分类集成学习来得到检测模型，其中初级分类器分别使用K近邻（KNN）算法、逻辑回归算法和决策树算法建立，而次级的元分类器由支持向量机（SVM）算法建立。与传统恶意网页检测手段相比，此方法在资源消耗少、速度快的情况下使识别准确率提高了0.7%，获得了98.12%的高准确率。实验结果表明，所提方法构造的检测模型可高效准确地对恶意网页进行识别。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期