CBI_AT:基于字符级和单词级的恶意 URL 检测
来源：计算机应用与软件杂志2025年第5期北京时间：
作者：郭应政, 袁建廷, 钱育蓉
摘要：针对恶意 URL 的高效检测问题，目前基于黑名单的检测方法时效性差且适应性强，基于传统机器学习的检测方法效率和准确率较低。该文充分考虑 URL 的语义含义和时序特征，设计一种混合神经网络模型（CBI_AT），同时从字符级和单词级水平处理 URL，有效地捕获 URL 字符串的语义含义和时序特征，并引入多组注意力机制，抽取 URL 数据之间的关联性和依赖关系。实验结果表明，该混合神经网络模型能够高效检测恶意 URL，可达到99.86%的准确率和99.85%的F1值。
关键词：网络安全, 恶意 URL, 混合神经网络模型, 注意力机制
