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：李增基

摘要：本发明涉及一种基于生成对抗网络的欺诈网址识别方法，属于大数据挖掘领域，包括获取合法网址和欺诈网址作为原始样本数据，对获取的数据进行预处理，并从处理后的样本数据中提取网址属性特征、网址JavaScript特征、网址页面特征和网址文本特征，对提取特征后的数据进行清洗操作；构建生成对抗网络的生成器模块和鉴别器模块；将处理后的网址数据集输入到模型中训练生成对抗网络；利用训练好的生成对抗网络增强原始网址数据集；利用增强过后的网址数据训练分类算法，完成欺诈网址识别。本发明提高了分类算法的准确度和稳定度。

主权项：1.一种基于生成对抗网络的欺诈网址识别方法，其特征在于：包括以下步骤：S1：收集网址原始数据，对原始数据进行预处理；从处理过后的网址数据中提取网址属性特征、网址JavaScript特征、网址页面特征和网址文本特征，并对其进行清洗操作；S2：将网址文本特征进行编码，同时对提取的四类网址特征进行转换形成一个四通道的特征图；S3：根据网址特征数据构建生成对抗网络的生成器模块和鉴别器模块，将步骤S2形成的特征图和编码过后的网址文本特征经过自注意力机制模块处理后，将其结合网址类别信息输入到全局鉴别器D1和网址文本特征鉴别器D5的网络模型中进行训练；将网址属性特征、网址JavaScript特征、网址页面特征结合网址类别信息分别输入到网址属性特征鉴别器D2、网址JavaScript特征鉴别器D3和网址页面特征鉴别器D4的网络模型中进行训练；将网址类别信息结合随机生成的噪声数据输入到生成器网络模型中进行训练；S4：设置模型损失函数的形式，根据不同鉴别器的内部结构，对全局鉴别器D1和网址文本特征鉴别器D5采用最小二乘损失函数形式，对网址属性特征鉴别器D2、网址JavaScript特征鉴别器D3和网址页面特征鉴别器D4采用交叉熵损失函数形式，并对各部分的参数进行优化；S5：训练生成对抗网络，首先固定生成器模块参数对鉴别器模块进行训练，最大化鉴别器区分真实样本数据和生成样本数据的能力，然后固定训练好的鉴别器模块参数对生成器模块进行训练，优化的方向是让鉴别器区分不出生成器生成的数据和真实样本数据，以此循环往复形成相互博弈的状态直到达到设置的终止条件；S6：利用训练好的生成对抗网络生成带标签的网址样本数据增强原始的网址数据集，并利用增强后的数据训练分类算法，完成欺诈网址识别模型的构建。

全文数据：

权利要求：

百度查询： 李增基 一种基于生成对抗网络的欺诈网址识别方法