論文の概要: A Hybrid Deep Learning and Anomaly Detection Framework for Real-Time Malicious URL Classification

• arxiv url: http://arxiv.org/abs/2512.03462v1
• Date: Sun, 30 Nov 2025 21:25:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-04 20:02:55.139763
• Title: A Hybrid Deep Learning and Anomaly Detection Framework for Real-Time Malicious URL Classification
• Title（参考訳）: リアルタイム悪意URL分類のためのハイブリッドディープラーニングと異常検出フレームワーク
• Authors: Berkani Khaled, Zeraoulia Rafik,
• Abstract要約: 悪意のあるURLはフィッシング、マルウェア、サイバー脅威の主要なベクターである。 本研究では,TextttHashingHashizer n-gram解析,SMOTEバランシング,分離フォレスト異常フィルタリング,およびリアルタイムURL分類のための軽量ニューラルネットワーク分類器を組み合わせたディープラーニングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Malicious URLs remain a primary vector for phishing, malware, and cyberthreats. This study proposes a hybrid deep learning framework combining \texttt{HashingVectorizer} n-gram analysis, SMOTE balancing, Isolation Forest anomaly filtering, and a lightweight neural network classifier for real-time URL classification. The multi-stage pipeline processes URLs from open-source repositories with statistical features (length, dot count, entropy), achieving $O(NL + EBdh)$ training complexity and a 20\,ms prediction latency. Empirical evaluation yields 96.4\% accuracy, 95.4\% F1-score, and 97.3\% ROC-AUC, outperforming CNN (94.8\%) and SVM baselines with a $50\!\times$--$100\!\times$ speedup (Table~\ref{tab:comp-complexity}). A multilingual Tkinter GUI (Arabic/English/French) enables real-time threat assessment with clipboard integration. The framework demonstrates superior scalability and resilience against obfuscated URL patterns.
• Abstract（参考訳）: 悪意のあるURLは、フィッシング、マルウェア、サイバー脅威の主要なベクターのままである。 本研究では,<texttt{HashingVectorizer} n-gram解析,SMOTEバランシング,分離フォレスト異常フィルタリング,およびリアルタイムURL分類のための軽量ニューラルネットワーク分類器を組み合わせたハイブリッドディープラーニングフレームワークを提案する。 マルチステージパイプラインは、統計機能(長さ、ドット数、エントロピー)を備えたオープンソースのリポジトリからURLを処理する。 経験的評価は精度96.4\%、F1スコア95.4\%、ROC-AUC97.3\%、CNN94.8\%、SVMベースライン50\! \times$--$100\! \times$ speedup (Table~\ref{tab:comp-complexity})。 多言語Tkinter GUI(アラビア語/英語/フランス語)は、クリップボードの統合によるリアルタイム脅威評価を可能にする。 このフレームワークは、難読化URLパターンに対する優れたスケーラビリティとレジリエンスを示している。

関連論文リスト

• A Graph-Attentive LSTM Model for Malicious URL Detection [0.0]
  ブラックリストの検出方法は、既存のパターンに依存するため、新しいURLや難読化URLを識別できない。 本研究は,グラフニューラルネットワーク(GNN)とグラフ注意ネットワーク(GAT)とLong Short-Term Memory(LSTM)ネットワークを組み合わせた,GNN-GAT-LSTMというハイブリッドディープラーニングモデルを提案する。 このモデルは、文字がエッジを介して接続されるノードになるプロセスを通じて、URLをグラフに変換する。
  論文  参考訳（メタデータ） (2025-10-12T17:10:29Z)
• Efficient Parallel Training Methods for Spiking Neural Networks with Constant Time Complexity [63.56009745101597]
  スパイキングニューラルネットワーク (SNN) はしばしば、$T$スパイクのシーケンシャル処理のために、高い時間複雑性の$O(T)$に悩まされる。 本稿では,ネットワークアーキテクチャを変更することなく,SNNトレーニングを高速化するFPT法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T13:27:27Z)
• vCache: Verified Semantic Prompt Caching [95.16654660556975]
  本稿では,ユーザ定義エラー率保証を備えた最初の検証済みセマンティックキャッシュであるvCacheを提案する。 オンライン学習アルゴリズムを使用して、キャッシュされたプロンプト毎に最適な閾値を推定し、追加のトレーニングなしで信頼性の高いキャッシュ応答を可能にする。 我々の実験によると、vCacheは特定のエラー境界を一貫して満たし、最先端の静的な閾値と微調整された埋め込みベースラインより優れています。
  論文  参考訳（メタデータ） (2025-02-06T04:16:20Z)
• Hybrid Machine Learning Approach For Real-Time Malicious Url Detection Using Som-Rmo And Rbfn With Tabu Search Optimization [0.0]
  悪意のあるURLの拡散は、インターネットのセキュリティにとって重大な脅威となっている。 従来の検出方法は、これらの脅威の進化する性質とペースを維持するのに苦労する。 本稿では,効率的な特徴抽出と正確な分類を組み合わせたハイブリッド機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-07-05T07:24:49Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• A Quadratic Synchronization Rule for Distributed Deep Learning [66.68264684667562]
  本研究は、擬似同期規則(QSR)と呼ばれる$H$を決定するための理論基底法を提案する。 ResNet と ViT の実験により、QSR を用いた局所勾配法は、他の同期戦略よりもテスト精度を一貫して向上することが示された。
  論文  参考訳（メタデータ） (2023-10-22T21:38:57Z)
• A New Deep Boosted CNN and Ensemble Learning based IoT Malware Detection [0.0]
  セキュリティ問題は、特にIoT(Internet of Things)環境で、さまざまなタイプのネットワークで脅かされている。 我々は,新しいマルウェア検出フレームワークであるDeep Squeezed-Boosted and Ensemble Learning (DSBEL)を開発し,Squeezed-Boosted Boundary-Region Split-Transform-Merge (SB-BR-STM) CNNとアンサンブル学習を行った。
  論文  参考訳（メタデータ） (2022-12-15T18:14:51Z)
• Masked Contrastive Representation Learning for Reinforcement Learning [202.8261654227565]
  コントラスト学習を用いて個々のビデオフレームの原画素から高次特徴を抽出するCURLは,効率的なアルゴリズムである。 本稿では,連続した入力間の相関を考慮に入れたRLのための新しいアルゴリズム,マスク付きコントラスト表現学習を提案する。 DMControlスイートの16ドル環境中14ドル,Atari 2600 Gamesの26ドル環境中21ドル環境中26ドル環境中24ドルで,CURLに対する一貫した改善を実現している。
  論文  参考訳（メタデータ） (2020-10-15T02:00:10Z)
• Phishing URL Detection Through Top-level Domain Analysis: A Descriptive Approach [3.494620587853103]
  本研究では,Splunkプラットフォーム内で使用可能な不正なURLを検出する機械学習モデルを開発することを目的とする。 文学における同様のアプローチから着想を得た私たちは、悪意のあるデータセットと良心的なデータセットを使用して、SVMとランダムフォレストアルゴリズムを訓練しました。 我々はアルゴリズムの性能を精度とリコールで評価し,ランダムフォレストの場合,最大85%の精度と87%のリコールを達成した。
  論文  参考訳（メタデータ） (2020-05-13T21:41:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。