WebGuard++：基于 HTML 子图双向融合和多尺度卷积 BERT 的可解释恶意 URL 检测
密码学与安全
2025-06-25 v1 机器学习
摘要
URL+HTML 特征融合在鲁棒的恶意 URL 检测中显示出前景，因为攻击者特征会持续存在于 DOM 结构中。然而，现有方法存在四个关键不足：(1) URL 模型不完整，未能同时捕获词汇模式和语义上下文；(2) HTML 图稀疏，威胁相关节点（如混淆脚本）在良性内容中被孤立，导致图聚合时信号被稀释；(3) 单向分析，忽略了 URL 与 HTML 特征的双向相互作用；(4) 决策不透明，缺乏对恶意 DOM 组件的归因。为解决这些挑战，我们提出了 WebGuard++，包含 4 个新组件：1) 跨尺度 URL 编码器：基于 Transformer 网络与动态卷积，层次学习从局部到全局、从粗到细的 URL 特征；2) 子图感知 HTML 编码器：将 DOM 图分解为可解释的子结构，通过层次特征融合放大稀疏威胁信号；3) 双向耦合模块：通过跨模态对比学习对齐 URL 与 HTML 嵌入，优化跨模态一致性和同模态特异性；4) 投票模块：通过恶意子图预测的共识投票定位恶意区域。实验表明，WebGuard++ 在两个数据集上相比最先进的基线方法实现了显著提升，在固定 FPR 为 0.001 和 0.0001 时，TPR 提升 1.1 倍至 7.9 倍。
引用
@article{arxiv.2506.19356,
title = {WebGuard++:Interpretable Malicious URL Detection via Bidirectional Fusion of HTML Subgraphs and Multi-Scale Convolutional BERT},
author = {Ye Tian and Zhang Yumin and Yifan Jia and Jianguo Sun and Yanbin Wang},
journal= {arXiv preprint arXiv:2506.19356},
year = {2025}
}