Phát triển hệ thống AI để phát hiện và ngăn chặn URL độc hại

Abstract

URL độc hại là một trong những hình thức tấn công mạng phổ biến nhất, gây ra nhiều hậu quả nghiêm trọng về tài chính và an toàn thông tin. Các phương pháp truyền thống như blacklist và heuristic gặp nhiều hạn chế về khả năng mở rộng và không thể phát hiện các mối đe dọa mới. Nghiên cứu này đề xuất pipeline phát hiện URL độc hại dựa trên học máy, kết hợp tiền xử lý dữ liệu, trích xuất 9 đặc trưng bổ sung từ chuỗi URL và kỹ thuật SMOTE để xử lý mất cân bằng lớp. Ba mô hình Random Forest, XGBoost và CatBoost được huấn luyện và đánh giá trên tập dữ liệu 181 916 mẫu. Kết quả cho thấy cả ba mô hình đều đạt Accuracy trên 98,6 % và AUC-ROC trên 99,1 %, vượt trội so với các phương pháp cơ sở. Random Forest đạt độ ổn định cao nhất, XGBoost cân bằng tốt giữa hiệu suất và tốc độ huấn luyện. SMOTE giúp duy trì Recall cao mà không làm suy giảm đáng kể các chỉ số khác.