基于決策樹(shù)的搜索引擎惡意網(wǎng)頁(yè)檢測(cè)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)信息呈爆炸式的增長(zhǎng)，具有資源整合功能的搜索引擎已經(jīng)成為人們獲取信息的首要途徑。然而大量釣魚(yú)網(wǎng)頁(yè)、惡意代碼鏈接充斥其中，給用戶帶來(lái)極大的安全隱患，避免用戶訪問(wèn)惡意的搜索鏈接具有深遠(yuǎn)而現(xiàn)實(shí)的意義。然而，現(xiàn)有的搜索引擎安全防御工具檢測(cè)范圍有限。本文力圖改善搜索引擎網(wǎng)頁(yè)檢測(cè)的覆蓋面，利用機(jī)器學(xué)習(xí)具有處理同類(lèi)事物的泛化能力，讓檢測(cè)系統(tǒng)更加智能化。
　　 為了正確而迅速地判定搜索引擎網(wǎng)頁(yè)的安全性，將網(wǎng)頁(yè)分為正常網(wǎng)頁(yè)

2、和惡意網(wǎng)頁(yè)，判定規(guī)則通過(guò)機(jī)器學(xué)習(xí)中的分類(lèi)模型來(lái)獲得。
　　 首先，對(duì)大量的惡意網(wǎng)頁(yè)與正常網(wǎng)頁(yè)進(jìn)行深入分析，除了考慮網(wǎng)頁(yè)自身特征之外，選取了多種新的特征來(lái)檢測(cè)惡意網(wǎng)頁(yè)，包括Google PageRank值及搜索結(jié)果數(shù)、Alexa流量信息、域名信息、WOT聲譽(yù)值等。相對(duì)于以往檢測(cè)網(wǎng)頁(yè)所選擇的特征而言，本文得到的網(wǎng)頁(yè)特征更具有健壯性、權(quán)威性，能夠更好的區(qū)分惡意網(wǎng)頁(yè)與正常網(wǎng)頁(yè)，使得網(wǎng)頁(yè)檢測(cè)更具真實(shí)性、可靠性。
　　 其次，采用多

3、種提取技術(shù)獲得所選的網(wǎng)頁(yè)特征，利用機(jī)器學(xué)習(xí)中的分類(lèi)算法，如樸素貝葉斯、支持向量機(jī)、K最近鄰、決策樹(shù)算法等從網(wǎng)頁(yè)特征集中生成分類(lèi)模型。對(duì)分類(lèi)性能優(yōu)越且判決復(fù)雜度低的J48決策樹(shù)模型加權(quán)疊加后，分類(lèi)精度達(dá)到95.19％，能有效的評(píng)估網(wǎng)頁(yè)的安全性，適合用來(lái)對(duì)搜索引擎網(wǎng)頁(yè)進(jìn)行快速分類(lèi)。
　　 最后，擴(kuò)展了Chrome瀏覽器的功能，將機(jī)器學(xué)習(xí)生成的決策樹(shù)模型應(yīng)用到搜索引擎網(wǎng)頁(yè)檢測(cè)中。當(dāng)瀏覽器擴(kuò)展探測(cè)到用戶通過(guò)搜索引擎進(jìn)行查詢后，對(duì)于每個(gè)搜