基于机器学习的恶意“挖矿”网页识别(以比特币为例)  

作　　者：杨雨薇 余展鹏 

机构地区：[1]中国人民公安大学,北京100000

出　　处：《锋绘》2021年第1期165-167,共3页Art and Design

摘　　要：随着虚拟货币发展流通,针对网络上出现利用恶意网页窃取他人网络资源挖取虚拟货币,牟取利益的问题,通过特征融合,提取特征,生成基于决策树、随机森林等机器学习的恶意“挖矿”网页识别的算法模型。经过实验验证,该模型的准确率为99.75%。获取Postmessage事件的应用、Web socket连接的应用、Web Worker线程个数等特征,通过分类算法模型对未知网页进行分类,并将该模型封装成网页插件,用于识别恶意“挖矿”网页,避免恶意占用他人资源情况发生。

关 键 词：挖矿攻击 恶意网页识别 机器学习 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]