基于机器学习的浏览器挖矿检测模型研究

摘要：

浏览器挖矿通过向网页内嵌入挖矿代码,使得用户访问该网站的同时,非法占用他人系统资源和网络资源开采货币,达到自己获益的挖矿攻击.通过对网页挖矿特征进行融合,选取八个特征用以恶意挖矿攻击检测,同时使用逻辑回归、支持向量机、决策树、随机森林四种算法进行模型训练,最终得到了平均识别率高达98.7％的检测模型.同时经实验得出随机森林算法模型在恶意挖矿检测中性能最高;有无Websocket连接、Web Worker的个数和Postmessage及onmessage事件总数这三个特征的组合对恶意挖矿检测具有高标识性.

关键词：比特币;挖矿攻击;网页安全;网页检测;机器学习

所属期刊栏目：57

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划;中国人民公安大学中央基本科研业务费项目;公安部科技强警基础工作2020专项

在线出版日期：2021-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：125-130