书票网广告链接安全性分析数据集2021
数据来源：互联网公开数据
标签：书票网,广告,网络安全,URL分析,反钓鱼,特征提取,分类模型,机器学习
数据概述：
本数据集收录了书票网（Book My Show）网站上11,000个URL样本的广告链接数据，每个样本包含32个特征，特征值范围为-1到1，表示不同维度的描述信息。特征值定义如下：
-1：可疑
0：钓鱼
1：合法
数据集旨在帮助分析和识别URL的合法性，检测潜在的钓鱼网站。每个样本标记为合法或钓鱼，用于训练和评估分类模型。
数据用途概述：
该数据集适用于网络安全研究、反钓鱼技术开发、机器学习模型训练及验证等场景。研究人员可以通过本数据集进行特征工程、模型构建与优化，识别和防范恶意广告链接。数据集适用于网络安全专家、数据科学家以及希望提升网站安全性的技术团队。
任务1：探索性数据分析
- 绘制各特征的直方图和热力图，分析数据分布和特征之间的相关性。
- 统计数据集中样本总数及各特征的唯一元素数量。
- 检查数据集中是否存在缺失值。
- 确定特征之间的相关性，并根据阈值移除冗余特征。
任务2：构建分类模型
- 使用二分类器构建模型，检测恶意或钓鱼URL。
- 通过绘制ROC曲线评估模型的诊断能力。
- 利用K折交叉验证技术验证模型准确性。
- 输出最终模型，确保其在验证集上达到最高准确率，并使用选定的特征。
