URL2Graph++：用于恶意URL检测的统一语义-结构-字符学习
密码学与安全
2025-09-15 v1
摘要
恶意URL检测仍是网络安全领域的一项重大挑战，主要归因于两个因素：（1）互联网的指数级增长导致了URL的极大多样性，使得泛化检测日益困难；（2）攻击者越来越多地采用复杂的混淆技术来逃避检测。我们主张，从根本上应对这些挑战需要：（1）获取语义理解以改善在庞大且多样的URL集合上的泛化能力，以及（2）准确建模URL结构组成内的上下文关系。在本文中，我们提出了一种结合多粒度图学习与语义嵌入的新型恶意URL检测方法，以联合捕获语义、字符级和结构特征，从而实现鲁棒的URL分析。为了对URL内部的依赖关系进行建模，我们首先在子词级和字符级构建双粒度URL图，其中节点表示URL词元/字符，边编码共现关系。为了获得细粒度嵌入，我们使用字符级卷积网络初始化节点表示。随后，这两个图通过联合训练的图卷积网络进行处理，以学习一致的图级表示，使模型能够捕获反映共现模式和字符级依赖关系的互补结构特征。此外，我们采用BERT来提取URL的语义表示，以实现语义感知理解。最后，我们引入门控动态融合网络，将语义增强的BERT表示与联合优化的图向量相结合，进一步提升检测性能。我们在多个具有挑战性的维度上对所提方法进行了广泛评估。结果表明，我们的方法超越了SOTA性能，包括针对大型语言模型的性能。
引用
@article{arxiv.2509.10287,
title = {URL2Graph++: Unified Semantic-Structural-Character Learning for Malicious URL Detection},
author = {Ye Tian and Yifan Jia and Yanbin Wang and Jianguo Sun and Zhiquan Liu and Xiaowen Ling},
journal= {arXiv preprint arXiv:2509.10287},
year = {2025}
}