基于AdaBoost算法的網(wǎng)絡(luò)釣魚檢測(cè)系統(tǒng)的研究.pdf

1、網(wǎng)絡(luò)釣魚通常利用郵件或者高度模仿的網(wǎng)頁(yè)對(duì)用戶進(jìn)行欺詐犯罪。如今，網(wǎng)絡(luò)釣魚的攻擊形式更加多元化，使得釣魚攻擊的防范和檢測(cè)變得更加困難。據(jù)統(tǒng)計(jì)，近年來釣魚攻擊帶來的損失呈現(xiàn)翻倍式的上升。因此，網(wǎng)絡(luò)釣魚已成為危害網(wǎng)絡(luò)安全的最主要因素之一。它不僅降低了網(wǎng)絡(luò)中人與人之間的信任度，而且嚴(yán)重阻礙了電子商務(wù)的發(fā)展。
　　當(dāng)前常見的釣魚檢測(cè)技術(shù)存在檢測(cè)層面單一，信息獲取不夠全面等問題，因此，本文提出了一種URL黑白名單過濾結(jié)合機(jī)器學(xué)習(xí)(AdaBoo

2、st算法)分類的檢測(cè)方法。主要工作如下：
　　對(duì)待檢測(cè)的網(wǎng)站首先經(jīng)過URL黑白名單過濾，若是匹配成功作為結(jié)果輸出，若是匹配失敗，則進(jìn)行下一步分類器的檢測(cè)。通過這種檢測(cè)方法，可以快速的檢測(cè)出時(shí)效性較差的釣魚網(wǎng)站。新形式的釣魚網(wǎng)站可以通過機(jī)器學(xué)習(xí)的方法進(jìn)行檢測(cè)。
　　分類器檢測(cè)關(guān)鍵之處在于特征的如何提取。為了獲得釣魚網(wǎng)站足夠的信息，本文從URL中提取了14個(gè)特征，從網(wǎng)頁(yè)結(jié)構(gòu)中提取了5個(gè)特征，從網(wǎng)頁(yè)內(nèi)容中提取了大量的特征用于分類器

3、的訓(xùn)練和檢測(cè)。
　　特征中可能參雜著大量的噪聲，以及維度較高等問題，因此，加入數(shù)據(jù)預(yù)處理模塊進(jìn)行降維和去除噪聲。
　　通過比較K-近鄰算法、樸素貝葉斯算法、邏輯回歸和AdaBoost算法的檢測(cè)性能，最終選取AdaBoost算法作為本文的檢測(cè)方法。由于釣魚網(wǎng)站檢測(cè)存在非平衡代價(jià)問題，提出一種改進(jìn)算法AdaCostBoost,實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法在保證檢測(cè)精準(zhǔn)性的同時(shí)降低了正規(guī)網(wǎng)站的誤判率，減小了誤判帶來的影響，提高了其在實(shí)