Ученые Московского технического университета связи и информатики (МТУСИ) разработали программный модуль для автоматической проверки ссылок и URL-адресов. Решение с использованием машинного обучения позволяет классифицировать веб-ресурсы как безопасные или вредоносные и предупредить пользователя о потенциально нежелательном переходе до открытия страницы.
Разработка выполнена под руководством доцента кафедры «Информационная безопасность» МТУСИ Александра Большакова. Предлагаемый подход предусматривает проверку веб-ссылки непосредственно в момент навигации и формирование предупреждения при обнаружении признаков, указывающих на нежелательность посещения ресурса.
Архитектура решения построена как связка браузерного расширения и локального вычислительного компонента. Расширение перехватывает навигацию и обеспечивает взаимодействие с пользователем, а локальный компонент вычисляет признаки ссылки, применяет обученную модель машинного обучения и выполняет справочную проверку сетевых метаданных, включая DNS и параметры защищенного соединения.
Для обучения модели был сформирован набор из 18 признаков структуры ссылок. При этом сетевые метаданные не входят в число 18 признаков, используемых моделью: они применяются отдельно — исключительно для формирования дополнительных предупреждений пользователю. Такое разделение позволяет учитывать как характеристики самой ссылки, так и дополнительные инфраструктурные индикаторы риска.
В ходе работы ученые сравнили несколько семейств моделей, предназначенных для бинарной классификации, анализируя содержание признаков и сопоставляя результаты с сетевыми метаданными. По совокупности полученных метрик была выделена модель градиентного усиления деревьев XGBoost, для которой предусмотрена возможность устанавливать порог принятия решения.
Эффективность разработанного подхода оценивалась на контрольной выборке датасета. Ошибка первого рода составила порядка 12%, ошибка второго рода — порядка 5%.
Разработка получила свидетельство о государственной регистрации программы для ЭВМ «Программа валидации ссылок на сторонние ресурсы с использованием машинного обучения» № RU 2026666310.
Программное решение реализовано на языке Python. Все вычисления выполняются локально на компьютере пользователя: проверяемые адреса не передаются во внешние сервисы анализа.
Целевой средой эксплуатации являются персональные компьютеры под управлением Windows 10/11. Решение предназначено для браузеров Google Chrome и Microsoft Edge, использующих единый механизм расширений.
Читайте также: Гибридный самолет Electra взлетает с футбольного поля и может заменить личное авто