一種基于FTCNN-BILSTM的惡意URLs檢測方法

摘要： 針對目前惡意URL檢測模型中泛化性不夠好，準確率不夠高的問題，提出一種基于字符嵌入編碼的FTCNN-LSTM的惡意URL多分類檢測方法。該方法對URL中的每一個字符進行向量化編碼，并通過批規(guī)范化和定向Dropout對神經網絡進行剪枝，并使用Focal Loss損失函數解決數據集不平衡的問題。實驗結果顯示，與機器學習訓練的模型相比，該方法在多分類上召回率提升了1.73%。該模型在... （共7頁）