当下在线广告成为互联网发展不可缺少的经济助力之一,但同时也成为了不法分子作为首选的计算机劫持技术,给社会带来了巨大的经济损失。由于在线广告的高度动态变化性、多样性,以及逃避检测手段的发展,现阶段基于广告黑名单等检测方案存在一定的缺陷。因此,迫切需要找到一种能实现高效检测恶意广告的方案。本文根据广告形成原理,提出了新恶意广告检测方案,并且设计实现了一个恶意广告检测系统。具体研究成果如下:1)针对在线广告的形成原理以及恶意广告的攻击特征,提出一种基于广告URL重定向链域路径特征并结合机器学习的恶意广告检测方案,克服了攻击者利用更改词汇特征等手段逃避检测。检测方案构建了广告URL重定向链域路径,提取相关URL特征。最后在测试集上对恶意广告检测模型进行测试,通过四个对比实验和结果分析,证明了本文提出的检测方案在ACC、FN以及FP上与现阶段的检测工具相比都达到了比较高的水准。2)基于上述检测方案,通过需求分析最终设计并实现了一个用户可以通过浏览器访问的恶意广告检测系统。检测系统包括广告提取模块、数据预处理模块、恶意广告检测模块、web展示模块以及任务调度模块等五个模块。其中广告提取模块使用爬虫技术抓取广告链接,数据预处理模块和恶意广告检测模块使用Python开发技术实现功能,web展示模块基于前端Angular2框架进行开发,任务调度模块基于后台SpringBoot框架、分布式文件系统FastDFS以及quartz定时器集群等技术进行开发。最后通过设置多组测试用例,验证了系统在检测结果以及性能效率上都达到了系统所提出的需求分析。