来源：期刊VIP网 时间：
作者：熊凌龙;何月顺;陈杰;杜萍;韩鑫豪;
单位：东华理工大学信息工程学院;
摘要：当前非法网站存在隐蔽性强、危害性高的特点，仅依赖单一特征的网站识别方法无法有效应对这种复杂性。针对上述问题，文中提出一种基于文本-视觉多特征融合的非法网站识别方法。首先构建基于ResNet-18的视觉特征提取模型和基于BERT-CNN的文本特征提取模型；然后通过设计的基于逻辑回归（LR）的融合算法对两种模型的分类结果进行融合；最后通过多轮次迭代训练得出最佳的非法网站判别模型。实验结果表明，文中构建的融合模型相较于依赖文本和视觉的单一特征模型的准确率分别高出4%和11%，能够更准确地识别非法网站。
关键词：非法网站识别;;多特征融合;;BERT;;ResNet;;CNN;;深度学习
基金资助：江西省重点研发计划项目（20224BBC41001）;; 江西省网络空间安全智能感知重点实验室开放基金资助项目（JKLGIP202206）
