TransURL：利用多层 Transformer 编码与多尺度金字塔特征改进恶意 URL 检测

机器学习进展正推动恶意 URL 检测的发展。然而，应用于 URL 的先进 Transformer 在提取局部信息、字符级细节和结构关系方面面临困难。为应对这些挑战，我们提出一种名为 TransURL 的恶意 URL 检测新方法。该方法通过字符感知 Transformer 与三个特征模块——多层编码、多尺度特征学习和空间金字塔注意力——协同训练实现。这种专用 Transformer 使 TransURL 能从 URL 令牌序列中提取带有字符级信息的嵌入，三个模块辅助融合多层 Transformer 编码并捕获多尺度局部细节与结构关系。所提方法在若干挑战性场景中得到评估，包括类不平衡学习、多分类、跨数据集测试和对抗样本攻击。实验结果表明相较先前方法显著改进。例如，在类不平衡场景中取得峰值 F1 分数提升 40%，在对抗攻击场景中准确率超越最佳基线 14.13%。此外，案例研究表明，我们的方法准确识别出全部 30 个活跃恶意网页，而两种先前最先进方法分别漏检 4 和 7 个恶意网页。代码与数据见：https://github.com/Vul-det/TransURL/。