一种基于机器学习的中间人攻击预测方法

摘要

本发明公开了一种基于机器学习的中间人攻击预测方法，属于信息安全领域。其步骤如下，1.数据采集前的准备工作；2.数据筛选；3.对数据进行敏感过滤处理，剔除隐私信息；4.解析数据，匹配特征库；5.将解析完成的数据，使用决策树算法进行机器学习。该中间人攻击预测方法通过爬虫技术可以快速的对一个网址进行扫描，得到大量训练数据，提高了本发明中决策树生成的可靠性，使用数据筛选和隐私保护技术保证了数据来源的安全性和训练数据的保密性，所生成的决策树在大量训练集下进行训练，其特征均来源于人工提取，因此决策过程科学可靠。