分布式惡意網站檢測模型研究.pdf

1、互聯(lián)網的出現(xiàn)給經濟發(fā)展帶來了新的機遇，但也帶來了新的挑戰(zhàn)。就在人們對互聯(lián)網的依賴越來越深的同時，數以百萬計的不法分子正在互聯(lián)網上通過惡意網站進行詐騙和傳播惡意軟件，這些非法行為無時無刻不威脅著人們的隱私和財產安全。
　　為了保護普通用戶的合法權益，惡意網站的檢測方法應運而生。然而在黑客技術飛速更新和大數據大行其道的當下，傳統(tǒng)的檢測方法存在著很多局限性。由此，該文提出了一種基于在線學習的分布式惡意網站檢測模型，其主要的工作內容如下：

2、
　?。?）對惡意網站檢測方法進行了深入研究分析，分析了現(xiàn)有檢測方法的局限性和不足，并重點分析了基于機器學習的惡意網站檢測方法；
　?。?）對惡意網站特征進行了詳細分析，提出了一種基于 WOE算法的域名注冊機構特征提取方法。該方法僅使用一個特征來表示不同域名注冊機構對惡意網站的相關度，不僅降低了特征向量維度，還可以有效適應新注冊機構出現(xiàn)的情況；
　?。?）對在線學習算法進行了深入分析和研究，提出了一種改進的學習率選取方

3、法。該方法采用多維學習率，為每一個特征設置不同的學習率，并根據惡意特征的檢出情況來單獨進行動態(tài)調整，避免了使用統(tǒng)一學習率而導致對低檢出率特征學習不足的問題，從而提高了檢測效果；
　?。?）對分布式并行策略進行了分析，提出了一種基于特征切分的分布式在線學習模型。該模型將特征的提取以及在線學習的訓練過程分布到多臺機器之上，具有較好的橫向擴展能力，達到了處理大數據的目的。
　　基于以上研究，該文采用Java作為開發(fā)語言，設計和實現(xiàn)