摘要
本申请公开了一种模型训练方法、URL检测方法、电子设备及介质。该模型训练方法包括获取训练数据;将训练数据中的URL样本的每个字符转换为向量表示,得到URL样本对应的初始向量序列;将初始向量序列输入预先构建的初始检测模型,通过多尺度空洞卷积神经网络对初始向量序列进行特征提取,得到第一特征序列,通过双向门控循环单元网络对第一特征序列进行特征提取,得到第二特征序列,通过基于多头注意力机制的特征融合网络对第二特征序列进行特征融合,得到第三特征序列,通过输出网络对第三特征序列进行处理,得到URL样本属于恶意URL的概率;基于URL样本属于恶意URL的概率、类型标签以及预设的损失函数,对初始检测模型进行训练,得到URL检测模型。
技术关键词
门控循环单元网络
模型训练方法
URL检测方法
序列
特征融合网络
多头注意力机制
样本
电子设备
输出特征
卷积滤波器
标签
字符
识别方法
处理器
超参数
可读存储介质
系统为您推荐了相关专利信息
漏洞分析方法
节点
图谱
神经网络模型
无监督聚类
创伤后应激障碍
树突棘密度
立体定位
药物组合物
剥夺模型
光源检测方法
灯光控制方法
特征点
ROI图像
近光灯
DNN模型
灰度共生矩阵
数据分析方法
文本
融合特征