基于主动学习恶意utl检测毕业设计开题报告.docx

邮电大学毕业设计(论文)开题报告设计(论文)题目基于主动学习的恶意URL检测院别：计算机科学与技术学院专业：智能科学与技术年级：学生学号：学生姓名：指导教师：二0一六年三月综述本课题研究动态、选题目的及意义研究动态：网络的迅猛发展，尤其是现在的移动互联网经济的逐步成熟，网络的利益也越来越大，网络的的安全也面临着更多的潜在的威胁。我国面临的网络安全形势非常严峻，黑客活动日渐频繁，网站后门、钓鱼网站、拒绝服务攻击事件、网络恶意程序等，呈大幅增长态势，直接影响网民和企业安全，阻碍行业健康发展。WEB应用服务器是常见的恶意软件攻击的目标，因为它们与许多其他系统进行通信，从而可以大肆传播恶意病毒。根据360互联网安全中心的报告显示，网站安全将成为安全服务新焦点。而HTTP协议是WEB应用服务常用协议，互联网上很多数据是通过HTTP协议传输的。因此，如何及时并有效的检测包含在HTTP数据中的攻击行为是安全领域一个重要课题。常用的入侵检测技术大体上可以分为两类，基于异常的入侵检测技术和基于特征码的入侵检测技术。基于异常的入侵检测技术定义了系统正常行为的轮廓边界，根据这些先验知识建立系统的正常行为模型。随后在检测时，用当前行为与正常行为进行比较，如果存在明显差异，则认为该行为是异常行为，系统遭到入侵。基于特征码的检测技术，通过使用已知的恶意病毒特征信息来检测被检测对象是否为恶意病毒。而恶意病毒特征码的选取与确定是基于特征码检测技术的关键。选题的意义：其中通过url发动的攻击占到网络攻击的一大部分，如SQL注入，LFI攻击，COMMAND注入，XSS攻击等。为了人们的网络安全，恶意URL的检测也十分的重要。在恶意URL检测中利用规则可以检测相当部分的许多攻击，然而规则扩展性较差，无法对未知威胁进行处理。本课题采用主动学习方法，在规则标记的额一样和正常样本上进行学习，构建分类模型，然后对模糊样本进行选择性标注，实现主动学习。主要研究目的是：1、设计并实现一种计算简单，能够对大量url数据进行检测的模型。2、研究自然语言处理中ngram模型在url攻击检测中的应用。3、利用计算距离的方法度量正常数据与被检测数据之间的相似度，实现对数据的快速检测，使得检测模型的计算复杂度大大降低。4、尝试利用机器学习算法中决策树算法，对模型提取的特征进行分类，实现对未知攻击的检测，增加检测的准确率。研究基本内容、拟解决的主要问题??研究的基本类容：1、web url特征提取2、特征选择算法3、基于有监督学习的攻击识别解决的主要问题：1、在web url特征提取是选用高效快速的算法，得到有用实用的特征。 2、处理分析特征，找到合适的用于设计分类模型。 3、构建分类模型，选择无类标号的数据的算法，得到有效的数据集合用于之后学习程序按标准的监督方法实用。 4、监督学习的算法选择比如：决策树、朴素贝叶斯、逻辑回归等。?研究方法、步骤及措施?研究的方法：1、特征提取采用ngram模型。2、特征选择采用信息增益算法。3、主动学习中查询函数的设计。4、攻击学习采用决策树算法。?研究进度计划??进度计划1.6-1.20 阅读分类算法相关论文1.21-1.31 设计URL特征，并实现如何在URL中获取这些特征2.1 - 2.15 阅读信息增益相关论文并实现特征选择2.16 - 3.15 编写分类系统原型，初步验证实验结果3.16 - 3.30 撰写毕业论文完善原型系统4.1 - 4-30 毕业论文二稿及原型系统进一步完善5.1-答辩时间准备毕业答辩指导教师意见???????指导教师签字: 年月日学院审核意见?签章: 年月日备注：此报告应根据下达的毕业设计(论文)任务书，在指导教师的指导下由学生独立撰写，并于毕业设计(论文)开始后一周内完成。