Resumen
Publicado en la Scientific and Technical Journal of Information Technologies, Mechanics and Optics, este artículo investiga la identificación de tecnologías cuando las firmas estáticas están ocultas o se ven afectadas por la carga dinámica. Rand Deeb y Alisa A. Vorobeva combinan la supervisión débil con observaciones del comportamiento.
La coincidencia entre Wappalyzer y BuiltWith proporciona las etiquetas positivas de entrenamiento. Un navegador automatizado recoge características de las cabeceras HTTP, las cookies, las solicitudes de red y la estructura del documento. Un Random Forest multietiqueta predice las tecnologías, y unas reglas de asociación aprendidas de los datos de entrenamiento ajustan esas predicciones.
La evaluación abarca 8594 sitios web y 122 tecnologías. En la partición de prueba fija, el F1 con promedio micro pasó de 0,750 con el Random Forest a 0,763 tras el posprocesamiento basado en reglas. Son resultados específicos de este conjunto de datos. El enfoque complementa la identificación basada en firmas y no garantiza la detección fiable de todas las tecnologías ocultas o desconocidas.
Título oficial de la publicación
Weakly Supervised Web Technology Identification with Rule-Augmented Machine Learning
Datos clave
- Publicación
- 2026
- Publicado en
- Scientific and Technical Journal of Information Technologies, Mechanics and Optics
- Temas
- Identificación de tecnologías web · Supervisión débil · Aprendizaje automático · Reglas de asociación