Classification des URL malveillants

Cet ouvrage a pour objectif de d velopper un mod le permettant de classer un certain site Web comme l gitime ou malveillant l'aide de m thodologies d'apprentissage automatique et de d terminer si l'augmentation du nombre de caract ristiques d'un mod le entra ne une augmentation de ses performances. Les auteurs ont utilis trois cas distincts pour g n rer un mod le optimal, chaque cas diff rant par le nombre de caract ristiques utilis es dans l'ensemble de donn es. Le premier cas a utilis la base ou l'ensemble de donn es original. Le deuxi me cas a utilis un ensemble de caract ristiques tendu. Un algorithme de s lection des caract ristiques a t utilis dans l'ensemble de caract ristiques tendu pour cr er un nouvel ensemble de donn es pour le troisi me cas. Les classificateurs utilis s pour g n rer les mod les sont Random Forest, J48, C-SVC et kNN. Le r sultat a montr une augmentation des performances en comparant les mod les du premier cas ceux du deuxi me cas. Aucun changement significatif n'a t observ lorsque les mod les du deuxi me cas ont t compar s ceux du troisi me. L' tude a montr qu'il existe une relation directement proportionnelle entre le nombre de fonctionnalit s d'un mod le et les performances de ce dernier. L'augmentation du nombre de caract ristiques de l'ensemble de donn es conduit une augmentation de la performance de chaque mod le.