一种基于EMO-GAN的恶意URL检测方法

本发明属于网络安全的技术领域，具体涉及为一种基于EMO‑GAN的恶意URL检测方法。本发明通过创新性通过引入极度随机树（Extremely Randomized Trees，ET）实现半监督学习，与边缘生成对抗网络（Margin Generative Adversarial Network，MarginGAN）相结合，有效克服了数据不均衡和标签稀缺带来的数据获取困难。此外，本发明还深入探索了新的特征提取方法以及在线学习技术，为恶意URL检测提供了更加精确的特征表示和更强的模型拓展性。该方法旨在解决恶意URL检测中遇到的数据获取难题、特征表示不足以及模型概念漂移等挑战。经过实验验证，本发明在真实世界数据集上取得了较好的结果。因此，本发明可用于对恶意URL进行检测，维护网络空间安全。