龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：合肥工业大学
摘要：本发明公开了一种基于CNN+BERT的恶意网址检测分类模型的训练及检测方法，涉及互联网网络安全技术领域，基于CNN+BERT的恶意网址检测分类模型的训练方法包括：收集网页数据构建数据集；利用词向量模型对所有URL的词元进行处理，构建URL的字符词典，得到各个URL的编码向量即句向量；将URL句向量通过CNN网络进行自适应特征提取；对数据集中的网页文本进行编码，获取文本向量，将文本向量通过BERT模型获取网页文本特征向量；将URL特征向量与网页文本特征向量进行拼接获取网址的预测输出，将URL视作文本信息进行特征提取，对URL的语义挖掘提升了精准性，结合了CNN和BERT，提取出更加丰富和有效的特征表示，提高了网址检测的准确率。
主权项：1.基于CNN+BERT的恶意网址检测分类模型的训练方法，其特征在于，包括：S1：收集网页数据，网页数据包括URL和网页文本，并对网页进行标注，得到用于表示分类类别的网页标签；构建数据集，数据集包括URL、网页文本以及相应的网页标签；其中，URL即网址；S2：对数据集中的各个URL进行分词处理，获取各个URL中的词元；利用词向量模型对所有URL的词元进行处理，得到各个词元的词向量，并构建URL的字符词典，以及得到字符词典中各个词元的词索引，根据字符词典以及各个词元的词向量构建嵌入矩阵；根据字符词典中各个词元的词索引对各个URL进行编码，得到各个URL的编码向量即句向量；S3：将URL句向量通过CNN网络进行自适应特征提取，获取URL特征向量；S4：对数据集中的网页文本使用文本预处理模型的编码器进行编码，获取文本向量，将文本向量通过BERT模型获取网页文本特征向量；S5：将URL特征向量与网页文本特征向量进行拼接，经过全连接层，进行分类得到预测输出。
全文数据：
权利要求：
百度查询： 合肥工业大学 基于CNN+BERT的恶意网址检测分类模型的训练及检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号