恶意网页识别研究综述

被引：42

作者：

沙泓州 ^{[1
,2
,3
]}

刘庆云 ^{[1
,3
]}

柳厅文 ^{[1
,3
]}

周舟 ^{[1
,3
]}

郭莉 ^{[1
,3
]}

方滨兴 ^{[2
,3
]}

机构：

[1] 中国科学院信息工程研究所

[2] 北京邮电大学计算机学院

[3] 信息内容安全技术国家工程实验室

来源：

计算机学报 | 2016年 / 39卷 / 03期

关键词：

恶意网页识别; 网页分类; 机器学习; 逃逸技术;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

080402 ;

摘要：

近年来,随着互联网的迅速发展以及网络业务的不断增长,恶意网页给人们的个人隐私和财产安全造成的威胁日趋严重.恶意网页识别技术作为抵御网络攻击的核心安全技术,可以帮助人们有效避免恶意网页引起的安全威胁,确保网络安全.文中从理论分析和方法设计两方面介绍了恶意网页识别的最新研究成果.在理论分析层面,从恶意网页的基本概念和形式化定义出发,对恶意网页识别的应用场景、基本框架及评价方法进行全面的归纳,并总结了恶意网页识别的理论依据及性能评价指标.在方法设计层面,对具有影响力的恶意网页识别方法进行了介绍和归类,对不同类别的识别方法进行了定性分析和横向比较.在总结恶意网页识别研究现状的基础上,从客观环境的变化以及逃逸技术的升级两方面深入探讨了当前恶意网页识别面临的技术挑战.最后总结并展望了恶意网页识别的未来发展方向.

引用

页码：529 / 542

页数：14

共 14 条

[1] 轻量级的自学习网页分类方法 [J].

沙泓州 ;

周舟 ;

刘庆云 ;

秦鹏 .

通信学报 , 2014, (09) :32-39

[2] 基于多类特征的Android应用恶意行为检测系统 [J].

杨欢 ;

张玉清 ;

胡予濮 ;

刘奇旭 .

计算机学报, 2014, 37 (01) :15-27

[3] 网页木马机理与防御技术 [J].

张慧琳 ;

邹维 ;

韩心慧 .

软件学报, 2013, 24 (04) :843-858

[4] 蜜罐技术研究与应用进展 [J].

诸葛建伟 ;

唐勇 ;

韩心慧 ;

段海新 .

软件学报, 2013, 24 (04) :825-842

[5] 高性能网包分类理论与算法综述 [J].

亓亚烜 ;

李军 .

计算机学报, 2013, 36 (02) :408-421

[6]

A framework for a research inventory of sustainability assessment in manufacturing[J] . Ju Yeon Lee,Y. Tina Lee.Journal of Cleaner Production . 2014

[7] Adaptive regularization of weight vectors [J].

Crammer, Koby ;

Kulesza, Alex ;

Dredze, Mark .

MACHINE LEARNING, 2013, 91 (02) :155-187

[8]

WarningBird: A Near Real-Time Detection System for Suspicious URLs in Twitter Stream[J] . Lee, Sangho,Kim, Jong.IEEE Transactions on Dependable and Secure Computing . 2013 (3)

[9] Detection of malicious and non-malicious website visitors using unsupervised neural network learning [J].

Stevanovic, Dusan ;

Vlajic, Natalija ;

An, Aijun .

APPLIED SOFT COMPUTING, 2013, 13 (01) :698-708

[10]

Survey on web spam detection[J] . Nikita Spirin,Jiawei Han.ACM SIGKDD Explorations Newsletter . 2012 (2)

← 1 2 →