Meta Learning for Enhanced Web Security Against Malicious URLs
Notice bibliographique
Résumé
<title>Abstract</title> The identification of malicious Uniform Resource Locators (URLs) plays a pivotal role in strengthening network and cyber security. Over the years, the Internet has increasingly become a breeding ground for a multitude of cybercrimes. Malicious URLs can disrupt network performance, compromise data integrity, and introduce vulnerabilities into the system, impacting the network’s overall security and reliability. Taking precautions and implementing preventative techniques is crucial for shielding users from cyberattacks. This study utilizes meta-learning, which is a machine learning technique that learns from the predictions of other machine learning algorithms to make better decisions. For a comprehensive evaluation, the ISCX-URL-2016 dataset was utilized, a resource curated by the Canadian Institute for Cyber Security. The proposed approach focuses on utilizing URL strings as the primary source of information for detecting malicious content.The performance of different machine learning algorithms, including Histogram-based Gradient Boosting Classification Tree, XGBoost Classifier, CatBoost Classifier, Random Forest Classifier and more, were compared for the detection of malicious URLs. The two best performing base classifiers were identified and evaluated as potential meta-classifiers. Various combinations of base classifiers were then tested in conjunction with these two selected meta-classifiers. A significant improvement in the accuracy was observed and the best accuracy of 98.25% was achieved using All Base Classifiers + Meta Classifier XGBoost. Closely followed by the Three Best Base Classifiers + Meta Classifier XGBoost, which achieved an accuracy of 98.2%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».