搜索

[653] 2018-09-16_使用深度学习的方法对恶意web内容进行快速检测

文档创建者：s7ckTeam
浏览次数：7
最后更新：2025-01-16
2018-09-16_使用深度学习的方法对恶意web内容进行快速检测 使 用 深 度 学 习 的 方 法 对 恶 意 w e b 内 容 进 行 快 速 检 测 A r k T e a m   2 0 1 8 - 0 9 - 1 6 作 者 ： { E s i } @ A r k T e a m 原 文 作 者 ： J o s h u a   S a x e ,   R i c h a r d   H a r a n g ,   C o d y W i l d ,   H i l l a r y   S a n d e r s 原 文 标 题 ： A   D e e p   L e a r n i n g   A p p r o a c h   t o   F a s t , F o r m a t - A g n o s t i c   D e t e c t i o n   o f   M a l i c i o u s   W e b   C o n t e n t 原 文 出 处 ： a r X i v   p r e p r i n t   a r X i v : 1 8 0 4 . 0 5 0 2 0 , 2 0 1 8 . 恶 意 网 页 内 容 是 当 今 网 络 攻 击 的 一 个 主 要 因 素 。 这 种 恶 意 内 容 分 为 两 类 。 第 一 类 是 攻 击 者 利 用 浏 览 器 软 件 漏 洞 在 用 户 计 算 机 上 实 现 恶 意 目 的 。 第 二 类 是 网 络 钓 鱼 ， 其 目 标 是 欺 骗 用 户 泄 露 财 务 信 息 或 登 录 凭 据 。 检 测 和 阻 止 此 类 内 容 存 在 多 种 挑 战 。 首 先 ， 检 测 方 法 必 须 在 用 户 端 和 防 火 墙 中 使 用 的 商 用 硬 件 上 快 速 运 行 ， 这 样 才 不 会 降 低 用 户 的 浏 览 体 验 。 其 次 ， 检 测 方 法 必 须 能 够 抵 御 恶 意 网 络 内 容 中 的 语 法 和 语 义 变 化 。 最 后 ， 检 测 方 法 必 须 能 够 在 大 海 捞 针 中 找 到 针 ： 能 够 找 到 嵌 入 在 其 他 良 性 网 页 内 容 中 的 小 代 码 片 段 。 过 去 关 于 w e b 内 容 检 测 的 工 作 主 要 依 赖 于 语 法 分 析 或 模 拟 H T M L 和 J a v a s c r i p t 来 提 取 特 征 ， 这 样 做 的 效 率 会 比 较 低 ， 基 于 这 样 的 问 题 ， 本 文 提 出 了 一 种 深 度 学 习 的 方 法 来 检 测 恶 意 网 页 ， 使 用 简 单 正 则 表 达 式 从 静 态 H T M L 文 件 中 提 取 与 语 言 无 关 的 标 记 ， 这 种 方 法 可 以 足 够 快 的 进 行 检 测 ， 同 时 可 以 在 防 火 墙 和 w e b 代 理 等 高 额 数 据 环 境 中 运 行 ， 并 允 许 它 避 免 复 杂 解 析 和 仿 真 代 码 的 攻 击 面 暴 露 ， 最 后 在 多 个 分 层 空 间 尺 度 上 进 行 检 查 。 本 文 的 方 法 涉 及 一 个 特 征 提 取 器 ， 它 从 H T M L 文 档 中 解 析 出 一 系 列 令 牌 ， 以 及 一 个 神 经 网 络 模 型 ， 通 过 在 层 级 聚 合 级 别 使 用 共 享 权 重 检 查 来 做 出 分 类 决 策 。 下 面 是 本 文 方 法 的 整 个 系 统 的 每 个 逻 辑 组 件 的 介 绍 ： 1 .     使 用 以 下 正 则 表 达 式 对 H T M L 文 档 进 行 标 记 ： （ [   x 0 0 -     x 7 F ]   +   |     w   + ） ， 将 文 档 沿 非 字 母 数 字 单 词 边 界 切 割 ； 2 .     将 令 牌 流 分 成 1 6 个 相 等 长 度 的 连 续 块 （ 其 中 切 割 后 的 文 档 l e n g t h 被 定 义 为 令 牌 数 ） ； 3 .     最 后 使 用 散 列 技 巧 的 修 改 版 本 ， 将 每 个 令 牌 块 散 列 到 1 0 2 4 个 分 区 ， 为 每 个 块 创 建 一 个 单 词 样 式 表 示 ； 4 .     将 得 到 的 H T M L 文 档 的 特 征 表 示 ， 输 入 到 神 经 网 络 中 。 作 者 测 试 了 本 文 对 从 威 胁 情 报 站 点 V i r u s T o t a l 收 集 的 数 据 的 方 法 。   V i r u s T o t a l 每 天 接 收 数 万 个 新 的 H T M L 文 件 ， 使 用 来 自 数 十 家 安 全 供 应 商 的 6 0 个 W e b 威 胁 扫 描 程 序 扫 描 它 们 。   S o p h o s 订 阅 了 V i r u s T o t a l 的 付 费 威 胁 情 报 服 务 ， 作 为 此 订 阅 的 一 部 分 ， 会 收 到 提 交 给 V i r u s T o t a l 的 每 个 H T M L 文 件 及 其 相 应 的 扫 描 结 果 。 本 文 中 使 用 的 实 验 数 据 集 是 在 2 0 1 7 年 前 1 0 个 月 从 V i r u s T o t a l   F e e d 中 收 集 的 ， 如 图 1 所 示 。 图 1 首 次 出 现 在 V i r u s T o t a l 上 的 本 文 培 训 和 验 证 的 集 中 样 本 最 后 本 文 的 实 验 结 果 作 为 R O C （ 接 收 器 工 作 特 性 ） 曲 线 给 出 ， 它 们 显 示 了 当 调 整 检 测 阈 值 时 真 实 阳 性 率 （ y 轴 ） 和 假 阳 性 率 （ x 轴 ） 之 间 的 权 衡 。
图 2   模 型 与 两 个 标 记 包 样 式 基 线 的 性 能 作 者 将 本 文 提 出 的 方 法 与 许 多 基 线 进 行 比 较 ， 包 括 简 单 的 词 袋 模 型 和 更 复 杂 的 深 层 体 系 结 构 ， 并 表 明 它 以 合 理 的 计 算 成 本 实 现 了 最 佳 结 果 。 本 文 方 法 实 现 了 超 过 9 7 ％ 的 检 测 率 ， 并 且 误 报 率 只 有 0 . 1 % ， 本 文 的 结 果 表 明 利 用 深 度 学 习 的 恶 意 内 容 检 测 模 型 可 以 基 于 简 单 的 令 牌 流 输 入 来 学 习 W e b 内 容 。 阅 读 原 文
回复

举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

使用Markdown编辑器编辑 使用富文本编辑器编辑

Archiver| 手机版| 小黑屋|
Powered by Discuz! X3.4 Copyright © 2001-2020, Tencent Cloud. 商业源码建议获取授权，如侵犯您的权益，请联系客服处理