Il y a beaucoup de malwares sur Internet, des utilisateurs involontaires d'ordinateurs pourraient être incités à visiter des pages Web diffusant de tels contenus malveillants et, en tant que tel, il existe un besoin urgent de développer des systèmes de sécurité capables de détecter rapidement ces sites Web malveillants et de protéger les utilisateurs contre le grattage de leurs données personnelles et privées, leurs identifiants et coordonnées bancaires assimilés, ou leur ordinateur ou appareil mobile piraté à des fins malveillantes par des tiers criminels.

Un nouvel article de Dharmaraj Patil et Jayantrao Patil du Département de génie informatique, au R.C. Institut de technologie Patel, à Shirpur, Maharashtra, Inde, présente une nouvelle approche de la détection de sites Web malveillants basée sur des méthodes de sélection de fonctionnalités et l'apprentissage automatique. La paire discute des détails dans l'International Journal of High Performance Computing and Networking.

Leur approche utilise trois modules :sélection de fonctionnalités, entraînement, et classement. Pour tester l'approche, l'équipe a utilisé six méthodes de sélection de caractéristiques et huit classificateurs d'apprentissage automatique supervisés et a mené des expériences sur l'ensemble de données binaires équilibré. Avec les méthodes de sélection de caractéristiques, ils ont pu détecter le contenu Web malveillant avec une précision comprise entre 94 et 99 % et même plus. Le taux d'erreur n'était que de 0,19 à 5,55 %. Ils ont comparé leurs résultats avec dix-huit programmes antivirus bien connus qui détectent également les pages Web malveillantes et ont constaté que l'approche fonctionnait mieux que tous.