项目一:基于机器学习的恶意 URL 检测系统开发项目
本项目为毕业设计核心项目,独立完成全流程研发。基于 35 维 URL 结构、字符、语义特征搭建特征工程,使用 Python 与 Scikit-learn 构建随机森林分类模型,完成数据集清洗、样本均衡、网格搜索调参、准确率与召回率验证;采用 Django 搭建 Web 可视化后台,集成 MySQL 存储恶意样本与检测日志,实现 URL 批量上传、实时风险识别、检测报表导出功能。项目解决传统黑名单识别滞后缺陷,模型检测准确率达 94% 以上,完整输出实验数据集、对比测试报告、系统部署手册,充分体现机器学习建模、后端开发、网络安全特征挖掘综合技术能力。
项目二:企业内网流量简易安全分析工具开发
针对小型企业内网异常访问排查需求,自主开发轻量流量分析脚本。通过 SQL 完成流量日志筛选统计,自动识别高频异常访问域名、可疑外联链接,批量导出风险访问清单;优化数据清洗逻辑,大幅缩短海量日志处理耗时,为运维人员提供直观风险台账。项目落地后有效缩短内网安全排查时长,锻炼大数据处理、安全风险研判、轻量化工具开发能力,可快速将算法模型落地为业务可用工具,适配政企安全咨询、系统开发类顾问工作场景。