Resumen

El método tradicional de detección de enlaces uniformes de recursos (URL) maliciosos se basa excesivamente en las reglas de coincidencia formuladas por el personal de seguridad de red, lo que dificulta expresar completamente la información textual de la URL. Por lo tanto, en este artículo se propone un modelo mejorado de red neuronal convolucional recurrente de múltiples capas basado en el algoritmo YOLO para detectar URL maliciosos. En primer lugar, los caracteres individuales se asignan a vectores densos utilizando la incrustación de palabras, y los vectores densos participan en el proceso de entrenamiento de todo el modelo de acuerdo con las características estructurales de la URL en el método. Luego, se propone el modelo de red neuronal CSPDarknet basado en el algoritmo YOLO mejorado para extraer características de la URL. Finalmente, las características extraídas se utilizan para evaluar las URL maliciosas mediante el algoritmo de red neuronal recurrente LSTM bidireccional. Para verificar la validez del algoritmo, se recopilan un total de 200,000 URLs, incl

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Tradicional; Malicioso; URL; Método de detección; Red neuronal; Algoritmo
• Keywords:Traditional; Malicious; URL; Detection method; Neural network; Algorithm