Chinese_Malicious_Web_Pages_Dataset_And_Detection

中文恶意网页检测数据集与检测方法 网络安全 数据挖掘 自然语言处理 深度学习 文本分类 模式识别

中文恶意网页检测数据集与检测方法

若在科研论文、项目工程中使用了该数据集，欢迎引用我们的工作：

Yanting Jiang, Di Wu. A novel Chinese malicious webpages detection method based on the pre-trained language model[C]. The 19th International Conference of Web Information Systems and Applications（WISA 2022）, 2022, 155--167, Springer, http://dx.doi.org/10.1007/978-3-031-20309-1_14.

论文下载链接：https://github.com/JiangYanting/Chinese_Malicious_Web_Pages_Dataset_And_Detection/blob/main/An%20integrated%20Chinese%20malicious%20webpages%20detection%20method.pdf

1. 简介

针对中文恶意网页检测的数据稀缺，难以获取的问题。构建并发布了中文恶意网页检测数据集。
每一个样本包含网页URL、HTML网页文件、JavaScript代码文件。

2. 数据规模

包含521个中文恶意网页。恶意网页的种类涉及博彩类、钓鱼类（冒充正常页面）、色情类、违法交易类等。

3. 数据下载地址

中文恶意网页列表（含URL）的地址：见项目的“中文恶意网页列表+URL.xlsx”文件。

中文恶意网页HTML与JavaScript文件下载地址：请联系作者微信jyt629000，或qq：3225357264

（经人工检测，恶意网页绝不含木马病毒，可以放心下载）