基于決策樹的搜索引擎惡意網(wǎng)頁檢測研究與實現(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，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。然而大量釣魚網(wǎng)頁、惡意代碼鏈接充斥其中，給用戶帶來極大的安全隱患，避免用戶訪問惡意的搜索鏈接具有深遠(yuǎn)而現(xiàn)實的意義。然而，現(xiàn)有的搜索引擎安全防御工具檢測范圍有限。本文力圖改善搜索引擎網(wǎng)頁檢測的覆蓋面，利用機器學(xué)習(xí)具有處理同類事物的泛化能力，讓檢測系統(tǒng)更加智能化。
　　 為了正確而迅速地判定搜索引擎網(wǎng)頁的安全性，將網(wǎng)頁分為正常網(wǎng)頁

2、和惡意網(wǎng)頁，判定規(guī)則通過機器學(xué)習(xí)中的分類模型來獲得。
　　 首先，對大量的惡意網(wǎng)頁與正常網(wǎng)頁進行深入分析，除了考慮網(wǎng)頁自身特征之外，選取了多種新的特征來檢測惡意網(wǎng)頁，包括Google PageRank值及搜索結(jié)果數(shù)、Alexa流量信息、域名信息、WOT聲譽值等。相對于以往檢測網(wǎng)頁所選擇的特征而言，本文得到的網(wǎng)頁特征更具有健壯性、權(quán)威性，能夠更好的區(qū)分惡意網(wǎng)頁與正常網(wǎng)頁，使得網(wǎng)頁檢測更具真實性、可靠性。
　　 其次，采用多

3、種提取技術(shù)獲得所選的網(wǎng)頁特征，利用機器學(xué)習(xí)中的分類算法，如樸素貝葉斯、支持向量機、K最近鄰、決策樹算法等從網(wǎng)頁特征集中生成分類模型。對分類性能優(yōu)越且判決復(fù)雜度低的J48決策樹模型加權(quán)疊加后，分類精度達到95.19％，能有效的評估網(wǎng)頁的安全性，適合用來對搜索引擎網(wǎng)頁進行快速分類。
　　 最后，擴展了Chrome瀏覽器的功能，將機器學(xué)習(xí)生成的決策樹模型應(yīng)用到搜索引擎網(wǎng)頁檢測中。當(dāng)瀏覽器擴展探測到用戶通過搜索引擎進行查詢后，對于每個搜