网络URL良性与恶意分类数据集-2023-ahmad216658
数据来源：互联网公开数据
标签：URL分类,网络安全,恶意软件检测,数据集,平衡数据集,良性URL,恶意URL
数据概述：
本数据集包含632,508个唯一的URL，其中包括相同数量的良性URL和恶意URL。该数据集通过合并两个Kaggle上的数据集创建而成。
第一个数据集包含450,176个URL，其中77%为良性URL，23%为恶意URL。第二个数据集包含651,191个URL，其中包括428,103个良性URL，96,457个篡改URL，94,111个网络钓鱼URL和32,520个恶意软件URL。为了创建平衡数据集，主要使用了第一个数据集，并从第二个数据集中添加了更多恶意URL，然后移除了多余的良性URL以保持数据平衡。在合并过程中，统一了列名并去除了重复项，以确保每个URL都是唯一的。
数据集包含一个CSV文件，其中包含3列：
1. 第一列是'url'列，包含URL列表。
2. 第二列是'label'列，标识URL的类别，可为'良性'或'恶意'。
3. 第三列是'result'列，也表示URL的类别，但使用0和1的数值表示，其中0代表良性，1代表恶意。
数据用途概述：
该数据集适用于网络安全研究、恶意软件检测、URL分类模型训练等多种场景。研究人员可以利用此数据集训练和评估机器学习模型，以识别和分类URL的类型；网络安全专家可以使用此数据集进行安全测试和防御策略制定；开发人员可以利用数据集中的特征和标签来增强应用程序的安全性。此外，该数据集也适用于教育和培训，帮助学习者理解URL分类的重要性及实现方法。
