

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、基于聯(lián)合特征的釣魚網頁分類方法基于聯(lián)合特征的釣魚網頁分類方法賈雪鵬容曉峰摘要本文系統(tǒng)地描述了一種基于聯(lián)合特征的釣魚網頁檢測方法。提取了41項特征作為基礎特征,結合信息增益和遞歸特征刪除兩種方法的排序結果計算特征重要度。引入聯(lián)合特征率R(0【關鍵詞】機器學習釣魚網頁檢測聯(lián)合特征最優(yōu)分類模型1簡介釣魚網頁攻擊指騙者制作的一個模仿合法組織網站的網頁,將引誘用戶訪問這個網頁,并在網頁上呈現(xiàn)出請求用戶私密信息的輸入字段,如登錄個人網上銀行賬戶的詳
2、細信息。網絡釣魚攻擊危害嚴重,在全球范圍內,存在至少255,065次獨立的網絡釣魚攻擊。同比2015年發(fā)現(xiàn)的230,280次攻擊增加了超過10%。因此網絡釣魚防護和預測愈發(fā)成為網絡安全領域乃至整個互聯(lián)網發(fā)展的研究重點。綜上所述,論文主要針對釣魚網頁檢測研究一種基于聯(lián)合特征的機器學習分類方法,探究特征種類和數量對機器學習分類模型的影響。為了提取最具網頁表示性的特征,從三種來源進行提取:(1)URL鏈接特征。研究最多的是提取URL詞匯和主機
3、特征;(2)網頁內容特征。網頁內容決定了網頁的性質,對于網頁內容的特征分為兩個部分:頁面結構特征和頁面文本特征。(3)第三方服務信息特征。例如WHOIS信息和網頁排名。3.1數據集論文從PhishTank中提取釣魚網頁樣本,從DMOZ中提取合法網頁樣本。將收集到的釣魚網頁和合法網頁數據拆分成訓練集(釣魚網頁15000;合法網頁20000)和測試集(釣魚網頁2000;合法網頁2000)兩部分。3.2最優(yōu)分類模型3.2.1基于基礎特征的模型
4、對比邏輯回歸、隨機森林、Adaboost、神經網絡四種最優(yōu)參數模型的ROC_AUC值,曲線覆蓋面積越大表明模型分類能力越強。各種模型對釣魚網頁的分類能力(F1值):隨機森林0.978神經網絡MLP0.968Adaboost0.960邏輯回歸0.887。隨機森林和神經網絡MLP兩種非線性模型的表現(xiàn)明顯更加優(yōu)秀;而屬于線性模型的邏輯回歸表現(xiàn)不佳。3.2.2基于聯(lián)合特征的模型對比測試上節(jié)中四種最優(yōu)參數模型在不同聯(lián)合特征率R下的模型分類質量。表
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 釣魚網頁的深度學習智能檢測方法研究.pdf
- 基于視覺特征的釣魚網頁相似性計算技術研究.pdf
- 基于鏈接分析的釣魚網站檢測方法.pdf
- 基于RFE-SVM的釣魚網頁識別技術的研究.pdf
- 基于空間數據庫和視覺特征的釣魚網頁檢測.pdf
- 釣魚網站檢測算法
- 基于最近鄰及相似度測量檢測釣魚網頁技術的研究.pdf
- 基于Web社區(qū)的釣魚網站檢測研究.pdf
- 融合網頁噪聲和n-gram的釣魚網站檢測研究.pdf
- 融合多重特征的釣魚網站聚類算法研究.pdf
- 警惕網購支付類釣魚網站
- 基于機器學習算法的釣魚網站檢測系統(tǒng).pdf
- 基于深度學習的釣魚網站檢測技術的研究.pdf
- 網絡動態(tài)高仿真釣魚網站識別方法研究.pdf
- 基于K-Means和SVM的釣魚網站識別的研究.pdf
- 客戶端釣魚網站智能檢測系統(tǒng)的設計與實現(xiàn)
- 基于頁面內容分析的釣魚網站檢測系統(tǒng)的設計與實現(xiàn).pdf
- 主動探測式電子商務釣魚網站檢測機制的研究.pdf
- 客戶端釣魚網站智能檢測系統(tǒng)的設計與實現(xiàn).pdf
- 一種基于網頁關聯(lián)性特征的釣魚檢測方法.pdf
評論
0/150
提交評論