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(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多分類檢測方法。該方法對URL中的每一個字符進(jìn)行向量化編碼，并通過批規(guī)范化和定向Dropout對神經(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...