최근 가짜 QR코드나, 정부기관을 사칭하는 스미싱같은 보안 위협이 꾸준히 발생하고 있다. 이러한 위협은 악성 URL의 접근을 유도하기에, 해당 URL이 악성인지 아닌지를 판별하는 것이 중요하다. 이를 위해 기존에는 머신러닝 및 딥러닝 모델 설계에 초점을 두었다. 그러나 최근에는 악성 URL로 판별할 수 있는 일반적인 특징을 새롭게 추가하여, 성능을 향상하려는 관점으로 연구가 진행되었다. 본 논문에서는 악성 URL의 새로운 특징 추출에 초점을 맞추어, 특징을 추가적으로 제안한 후, 이를 여러 머신러닝 알고리즘을 사용하여 악성 URL을 예측하는 모델을 제안후 비교하였다. 새로 제안한 특징을 사용한 결과, 전보다 성능이 향상되었다.
Recently, persistent security threats such as fake QR codes and phishing attempts impersonating government agencies have been on the rise. Given that these threats encourage access to malicious URLs, it is crucial to etermine whether a given URL is malicious or not. Historically, the focus has been on designing machine learning and deep learning models. However, recent research has taken a perspective of enhancing performance by introducing new features indicative of malicious URLs. In this paper, with a focus on extracting novel features from malicious URLs, additional features are proposed and compared. A model for predicting malicious URLs is then developed using various machine learning algorithms. The results show an improvement in performance with the use of the newly introduced features.