Resumen

El número de sitios web maliciosos está aumentando cada año, y muchas empresas e individuos en todo el mundo han sufrido pérdidas. Por lo tanto, la detección de sitios web maliciosos es una tarea que necesita un desarrollo continuo. En este estudio, se propone un modelo de algoritmo de red neuronal conjunta que combina el mecanismo de atención, la red neuronal recurrente bidireccional independiente (Bi-IndRNN) y la red de cápsulas (CapsNet). La herramienta de vector de palabras word2vec entrena las características de vector de incrustación estática de URL uniforme de nivel de caracteres y palabras. Al mismo tiempo, el algoritmo también extraerá características de huella dactilar de textura que pueden comparar las diferencias de contenido de diferentes archivos binarios de URL web maliciosos. Luego, las características extraídas se fusionan y se introducen en el modelo de algoritmo de red neuronal conjunta. Primero, se utiliza el mecanismo de atención de múltiples cabezas para extraer características semánticas contextuales ajustando pesos y Bi-IndRNN. En segundo lugar

• 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:Sitios web maliciosos; Detección; Algoritmo de red neuronal; Mecanismo de atención; CapsNet; Clasificación
• Keywords:Malicious websites; Detection; Neural network algorithm; Attention mechanism; CapsNet; Classification