一种基于BERT-CNN和分层注意力机制的恶意URL检测方法

本发明公开了基于BERT‑CNN和分层注意力机制的恶意URL检测方法，包括以下步骤：S1、获取URL数据集，将URL数据集分为恶意URL、正常URL数据集，整理并分析数据特征；S2、通过对样本数据进行预处理，将数据集细化为训练集、测试集以及验证集，并对不平衡数据进行处理；S3、进行特征提取，使用BERT模型将文本转换为数值特征；S4、分别部署融合注意力机制和卷积神经网络的算法、融合注意力机制和门控循环单元的算法、融合注意力机制和长短时记忆网络算法模型，将处理过的样本数据输入模型进行训练；S5、通过评估指标对模型进行评估，判断模型是否能够准确识别恶意URL和正常URL。本发明能够解决传统模型处理URL数据时可能丢失重要局部特征，通过词级别注意力捕捉URL关键子词重要性以及句子级别注意力整合整个URL语义结构，通过动态权重分配降低噪声部分的注意力权重。