基于机器学习的恶意URL检测策略研究
赵文天

云盾智慧科技有限公司，北京，100032；

摘要：恶意URL作为网络攻击的常用载体，呈现出结构灵活、隐蔽性强、演变速度快的特点，给传统检测手段带来持续挑战。机器学习因其模式识别能力，在恶意URL识别中逐步取代基于规则的机制。文章从攻击特征出发，结合真实样本构建方式，提出一套以静态结构、序列语义、多模态行为为核心的特征提取体系，适配逻辑回归、树模型及神经网络等多类分类器。通过模型评估指标体系与部署路径，讨论检测精度、响应时效、可解释性之间的平衡策略，同时对对抗样本、概念漂移、多源融合和法律边界问题给出实用建议。

关键词：恶意URL；机器学习；特征工程；对抗样本；实时检测

参考文献

[1]赵世雄.基于深度学习的恶意URL检测[D].江苏科技大学,2024.

[2]杨胜杰,陈朝阳,徐逸,等.基于深度学习与特征融合的恶意网页识别方法研究[J].信息安全学报,2024,9(3):176-190.

[3]吴森焱,罗熹,王伟平,等.融合多种特征的恶意URL检测方法[J].软件学报,2021,32(9):2916-2934.

[4]顾傲.基于机器学习的恶意URL识别[D].阜阳师范大学,2023.

[5]盛蒙蒙,史建晖,沈立峰.基于CBA算法的恶意URL检测[J].数字技术与应用,2023,41(10):9-13+60.