[论文解读] Multi-Layer Perceptron Neural Network for Improving Detection Performance of Malicious Phishing URLs Without Affecting Other Attack Types Classification

Pow Chang|arXiv (Cornell University)|Feb 25, 2022

Spam and Phishing Detection被引用 7

一句话总结

本文提出一种多层感知机（MLP）神经网络，以提升对恶意钓鱼URL的检测能力，同时在分类其他类型网络攻击时保持高准确率。通过利用非线性特征学习和反向传播自动加权特征重要性，该MLP在无需大量手动特征工程或特定语料库调优的情况下，优于传统模型（如逻辑回归和朴素贝叶斯）。

ABSTRACT

The hypothesis here states that neural network algorithms such as Multi-layer Perceptron (MLP) have higher accuracy in differentiating malicious and semi-structured phishing URLs. Compared to classical machine learning algorithms such as Logistic Regression and Multinomial Naive Bayes, the classical algorithms rely heavily on substantial corpus data training and machine learning experts' domain knowledge to perform complex feature engineering. MLP could perform non-linear separable multi-classes classification and focus less on corpus feature training. In addition, backpropagation weight adjustment could learn which features are more important in differentiating phishing from other attack types.

研究动机与目标

• 解决经典机器学习模型在检测恶意钓鱼URL时因依赖大量特征工程而存在的局限性。
• 探究深度学习模型（如MLP）是否能在不降低其他攻击类型性能的前提下，实现更高的钓鱼URL检测准确率。
• 通过神经网络中的端到端学习，减少对领域专业知识和大规模训练语料库的依赖。
• 评估反向传播在识别钓鱼检测关键特征方面的有效性。

提出的方法

• 本研究采用具有多层隐藏层的多层感知机（MLP）架构，以建模URL特征中的复杂非线性关系。
• 输入特征源自URL结构，包括长度、特殊字符和域名模式，无需依赖人工构建的语料库进行特征提取。
• 使用反向传播迭代调整网络权重，使模型能够学习哪些特征对钓鱼检测最具判别力。
• 使用包含钓鱼、良性及其他类型攻击URL的标注数据集进行训练，以确保多类别泛化能力。
• 架构设计旨在保持对非钓鱼攻击（如DDoS或恶意软件分发）分类的鲁棒性，避免性能下降。
• 对超参数进行调优，以在最小化训练数据过拟合的同时，最大化分类准确率。

实验结果

研究问题

• RQ1 与经典机器学习模型相比，MLP神经网络是否能在恶意钓鱼URL检测中实现更高的准确率？
• RQ2 在MLP中使用反向传播是否能实现有效的自动特征重要性学习，而无需手动特征工程？
• RQ3 当模型针对钓鱼检测进行优化时，其在非钓鱼网络攻击类型上的分类性能在多大程度上得以保持？
• RQ4 MLP的非线性决策边界相较于逻辑回归等线性模型，在分类性能上有哪些提升？
• RQ5 该模型是否能在不依赖大规模人工整理训练语料库的前提下，对多样化URL模式实现良好泛化？

主要发现

• 与逻辑回归和多项式朴素贝叶斯相比，MLP模型在检测恶意钓鱼URL方面表现出更优性能。
• 由于能够学习URL特征中的复杂非线性模式，该模型实现了更高的分类准确率。
• 反向传播使网络能够自动识别并优先考虑对钓鱼检测最具判别力的特征。
• 模型在其他攻击类型上保持了稳定的性能，表明多类别分类未出现性能下降。
• 该方法减少了对领域专业知识和大规模语料库特征工程的依赖，简化了检测流程。