基于机器学习的木马检测模型的设计与实现

摘    要

科技的发展带来了人们生活的改变，近年来我国网民已突破十亿人口， 而且在后疫 情时代， 经历了疫情时期的一系列线上活动， 人们对网络的依赖比以往任何时期都要高 得多。高频次的上网行为也带来了一系列安全问题，黑客们通过在正常的网页中插入 JavaScript  木马，使人们在不知不觉中就受到黑客攻击。机器学习具有准确率高、 预测 效果好等特征， 运用训练机器学习模型的方法检测木马是网络安全界的热门方向。
本次实验通过在互联网上收集正常JavaScript 和木马JavaScript 数据，研究JavaScript 木马的特征， 用 Python   的 Pandas  和 Scikit-learn  库进行数据处理和机器学习训练。 JavaScript  木马识别根本上是二分类问题， 所以算法的选择上本次实验选择了随机森林 分类算法、KNN 分类算法和 SVM 分类算法， 这三种分类算法是二分类问题中常用的方 法。通过机器学习训练后的模型识别木马准确率很高， 可以有效的识别 JavaScript 木马 文件。

关键词： 机器学习；JavaScript ；木马；Python
 

Design and Implementation of Trojan Detection Model Based on Machine Learning

Abstract

The development of technology has brought about changes in people's lives. In recent years, China's internet population has exceeded one billion, and in the post pandemic era, people have experienced a series of online activities