Обзор
Статья, опубликованная в «Научно-техническом вестнике информационных технологий, механики и оптики», исследует распознавание технологий, когда статические сигнатуры скрыты или меняются из-за динамической загрузки. Ранд Дееб и Алиса А. Воробьёва сочетают слабый контроль с поведенческими наблюдениями.
Совпадение результатов Wappalyzer и BuiltWith даёт положительные обучающие метки. Автоматизированный браузер собирает признаки из HTTP-заголовков, cookie, сетевых запросов и структуры документа. Многометочный Random Forest предсказывает технологии, а ассоциативные правила, извлечённые из обучающих данных, корректируют предсказания.
Оценка охватывает 8 594 сайта и 122 технологии. На фиксированной тестовой выборке микроусреднённый F1 вырос с 0,750 для Random Forest до 0,763 после обработки правилами. Результаты относятся к этому набору данных. Подход дополняет распознавание по сигнатурам и не доказывает надёжного обнаружения всех скрытых или ранее неизвестных технологий.
Официальное название публикации
Weakly Supervised Web Technology Identification with Rule-Augmented Machine Learning
Основные сведения
- Публикация
- 2026
- Опубликовано
- Scientific and Technical Journal of Information Technologies, Mechanics and Optics
- Темы
- Распознавание веб-технологий · Слабый контроль · Машинное обучение · Ассоциативные правила