于客户端蜜罐和机器学习的风险网站检测系统.zip

# Ciscn_Product ## V1.0 ### 概况 1.完成了机器学习基本框架，接下来就是收集尽可能多的样本。 2.还有就是提高模型的准确性（改进算法） ### 使用方式 在badurl.txt里面放恶意网址，goodurl.txt里放安全的网址，preurl.txt里放需要预测的网址。 $ python main.py ## V2.0 ### 概况 1.加入了Lim的自然语言文本分类模块，可以识别ghs、金融风险网站 2.优化程序结构，可以输入单个网址分析，也可写入preurl.txt批量分析 3.结果返回在result.json中 ### 使用方法 首次使用时，本身不包含分类器，去掉main.py中的注释，运行训练分类器的函数，生成分类器。在badurl.txt里面放恶意网址，goodurl.txt里放安全的网址，preurl.txt里放需要预测的网址。或者直接在main函数中输入。得到的结果以json的形式保存在result.json中：形如 {"ghs":0,"zp":0,"yq":0}