信息技术的进步和发展与人们的生活密切相关,信息化的快速普及在给人们生活带来方便的同时,也带来了不可忽视的安全因素。保证安全绿色的网络环境,使人们远离网络不安全因素的威胁,是当代网络安全面临的重要挑战,也是人们网络生活亟待解决的一大难题。本文概括性的阐述了课题的研究背景及国内外研究现状,并针对网络安全主要存在威胁、一般存在形式、攻击方式做了系统性描述;针对样本的数据形式,利用自然语言处理技术完成了数据样本由自然存在形式到数值化的转变,为特征学习提供了良好的数据环境,为数据挖掘提供更多可能性;在负例样本极度不均衡情况下,论文以不安全类型为基准,结合采样与样本生成算法构建合理子集,并提出改进的集成学习算法,实现了网络异常行为的准确检测。本文采用统一资源定位符与网页脚本内容相结合的数据采集方式,来确定网络安全的原始样本数据,有效全面的涵盖安全因素相关的文本特征;利用自然语言处理技术中的特征工程对采集到的文本特征实现分词,向量化与特征提取,以样本作为特征分析的基本文档,用主题分析的方法抽象文档特征;针对整体样本中正负例样本比例不均衡,结合降采样与SMOTE样本生成算法,有放回的随机取样并对少数类样本进行小比例样本生成,重新组合若干组数量比例相对均衡的样本子集,避免了少数类样本在学习过程中不能被很好利用的问题;针对集成模型中最终分类模型的样本输入模式,提出了按类别比例以一定梯度降序追加对应类别样本的Re-Bagging策略,改善了整体结构中基模型生成结果的可靠性,提高了样本被正确分类的可能,降低误报;