计算机工程与应用

2021, v.57;No.989(22) 125-130

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于机器学习的浏览器挖矿检测模型研究
Research on Mining Detection Model of Browser Based on Machine Learning

高见;孙懿;王润正;袁得嵛;

摘要(Abstract):

浏览器挖矿通过向网页内嵌入挖矿代码,使得用户访问该网站的同时,非法占用他人系统资源和网络资源开采货币,达到自己获益的挖矿攻击。通过对网页挖矿特征进行融合,选取八个特征用以恶意挖矿攻击检测,同时使用逻辑回归、支持向量机、决策树、随机森林四种算法进行模型训练,最终得到了平均识别率高达98.7%的检测模型。同时经实验得出随机森林算法模型在恶意挖矿检测中性能最高;有无Websocket连接、Web Worker的个数和Postmessage及onmessage事件总数这三个特征的组合对恶意挖矿检测具有高标识性。

关键词(KeyWords): 比特币;挖矿攻击;网页安全;网页检测;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划(2018YFB0805001);; 中国人民公安大学中央基本科研业务费项目(2019JKF218);; 公安部科技强警基础工作2020专项(2020GABJC01)

作者(Author): 高见;孙懿;王润正;袁得嵛;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享