Opdagelse af ondsindede websider

Der er en masse malware på internettet, uvidende computerbrugere kan blive lokket til at besøge websider, der serverer sådant ondsindet indhold, og som sådan er der et presserende behov for at udvikle sikkerhedssystemer, der hurtigt kan opdage sådanne ondsindede websteder og beskytte brugere mod at få deres personlige og private data skrabet, deres logins og bankoplysninger assimileret, eller deres computer eller mobilenhed kapret til tredjepartsforbryderes ondsindede formål.

Et nyt papir fra Dharmaraj Patil og Jayantrao Patil Department of Computer Engineering, på R.C. Patel Institute of Technology, i Shirpur, Maharashtra, Indien, skitserer en ny tilgang til ondsindet webstedsdetektion baseret på funktionsvalgsmetoder og maskinlæring. Parret diskuterer detaljer i International Journal of High Performance Computing and Networking.

Deres tilgang bruger tre moduler:funktionsvalg, uddannelse, og klassifikation. For at teste tilgangen, holdet brugte seks funktionsudvælgelsesmetoder og otte overvågede maskinlæringsklassifikatorer og udførte eksperimenter på det afbalancerede binære datasæt. Med funktionsvalgmetoder, de var i stand til at opdage ondsindet webindhold med en nøjagtighed på mellem 94 og 99 procent og endda derover. Fejlraten var blot 0,19 til 5,55 %. De sammenlignede deres resultater med atten velkendte antivirusprogrammer, der også opdager ondsindede websider, og fandt ud af, at tilgangen fungerede bedre end dem alle.