《表2 URL各部分的3种模型卷积层参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多层卷积模型的恶意URL特征自动提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

模型2：根据第2章提出的网络模型进行URL检测。先分别设计连续二层卷积层（模型2-a）、三层卷积层（模型2-b）、四层卷积层（模型2-c）的CNN模型对URL的主机名、路径名、文件名及参数域部分进行训练。如表2所示，模型2-a的卷积层参数为卷积c1、卷积c2；模型2-b的卷积层参数为卷积c1、卷积c2、卷积c3；模型2-c的卷积层参数为卷积c1、卷积c2、卷积c3、卷积c4。池化层过滤器使用大小为1×2，步长为2的平均池化。并选择各部分的最优模型组合为模型2的最终优选模型。根据数据集与CNN的特点，选用交叉熵计算误差代价，使用Adam优化器进行优化，设dropout为0.6，学习率为0.0001。