.png){kind=icon}
返回
Behavior-Enhanced Representation Learning for User Behavior Analysis
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3601358.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
统一资源定位符（URL）是多种安全威胁的主要载体，包括网络钓鱼、恶意软件传播和垃圾邮件攻击，这使得基于URL的分析成为安全系统中的关键任务。然而，现有研究通常关注单个URL的静态词汇特征，忽视了能够指示恶意意图或规避模式的更深层次的语义、结构和行为信号。在本文中，我们提出了行为增强型语义URL嵌入（Behavior-Enhanced Semantic URL Embedding），这是一种新型框架，通过整合语义、结构和上下文信息来改进URL中嵌入的安全威胁检测。我们的模型由三个核心模块组成：语义理解模块用于提取词元级和上下文语义，拓扑结构学习模块用于捕捉URL组件的层次和序列模式，以及下游多任务适应模块，通过监督对比学习微调嵌入，以适应各种安全检测任务。我们在涵盖恶意URL检测、钓鱼网站识别和垃圾邮件过滤等关键安全应用在内的五个公开数据集上评估了我们的方法，一致性地在现有基线之上实现了更优的性能。此外，我们还展示了我们方法在相关安全任务中的可扩展性，展示了其集成到实际威胁检测和安全监控系统的潜力。
Keyword:
User behavior
representation learning
downstream multi-task
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
引用论文
Texception: A Character/Word-Level Deep Learning Model for Phishing URL Detection.png)
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏
Taking the Human Out of the Loop: A Review of Bayesian Optimization将人类带出循环: 贝叶斯优化的回顾PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏分享收藏
查看更多内容