文献

J-GLOBAL ID：202102222009137733   整理番号：21A0028047

悪性URL検出のための機械学習【JST・京大機械翻訳】

Machine Learning for Malicious URL Detection

著者 (2件)： Wejinya Gold (Sacred Heart University, Fairfield, CT, USA) ,  Bhatia Sajal (Sacred Heart University, Fairfield, CT, USA)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1270  ページ： 463-472  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,Webベースの攻撃が最も一般的な脅威の一つになっている。脅威アクターは,意図的にユーザと打ち上げ攻撃に悪意のあるURLを使用する傾向がある。悪意のあるURLを検出するために,ブラックリストリングのようないくつかのアプローチが実施されている。また,これらの信頼できないアプローチは,最新のブラックリストURLデータベースを維持するための激しいタスクを伴った。悪意のあるURLを検出するために,機械学習技術を近年探索した。この方法はURLの異なる特徴を分析し,悪意のあるURLと良性URLの両方の既存のデータセットに関する予測モデルを訓練する。本論文は,3つの教師つき機械学習分類器-サポートベクトルマシン,ロジスティック回帰およびNaive Bayes-toを効果的に用いて,悪意のあるURLsを正確に検出するMuD(Malicous URL検出)モデルを提案した。予備的結果は,Naive Bayesアルゴリズムが最良の結果をもたらすことを示した。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  データベース ,  Web【情報システム】 ,  *機械学習 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  Naive Bayes ,  機械学習技術 ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 悪性URL ,  機械学習 ,  サポートベクトルマシン ,  ロジスティック回帰 ,  ナイーブBayes

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (2件)： URL ,  機械学習