集成URL新特征的網(wǎng)絡(luò)釣魚檢測機制研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，網(wǎng)絡(luò)安全問題層出不窮。網(wǎng)絡(luò)釣魚是一種典型的在線欺詐行為，它以互聯(lián)網(wǎng)為載體，通過偽裝成信譽良好的合法網(wǎng)站欺騙用戶以獲得用戶的敏感信息，被欺騙的用戶會產(chǎn)生不同程度的個人信息泄漏，繼而導(dǎo)致經(jīng)濟損失。如何快速準確的檢測釣魚網(wǎng)站成為Web信息安全研究熱點。
　　針對一些常用的URL特征不能有效的區(qū)分新釣魚網(wǎng)站以及綜合多類特征的釣魚網(wǎng)站檢測方法效率低下等不足，提出了一種較輕量的釣魚網(wǎng)站分級檢測機制。本文首先對URL特

2、征進行了比較深入的研究，對爬取的兩萬多條URL樣本進行統(tǒng)計分析，從URL詞法、WHOIS信息兩方面挖掘新的高區(qū)分度特征，通過特征選擇方法構(gòu)建了新URL特征組合。其中，對于釣魚URL中普遍存在品牌名異?，F(xiàn)象，提出了一種基于編輯距離的品牌名異常算法，并且通過廣義后綴樹構(gòu)建了釣魚網(wǎng)站可疑特征詞匯集合。經(jīng)過實驗驗證，新URL特征組合能較好的區(qū)分釣魚網(wǎng)站。
　　在此基礎(chǔ)上提出了一種改進的決策樹算法作為URL特征分類模型，該算法在決策樹的分類

3、過程中設(shè)定閾值判斷分類結(jié)果的準確度，對于不能明確判定的可疑樣本需要提取頁面特征進行最終檢測。相比URL特征，頁面特征需要對網(wǎng)頁內(nèi)容進行分析，獲取較為復(fù)雜。對于部分釣魚網(wǎng)站的頁面特征偽造行為，本文對常見的特征偽造方式進行總結(jié)，對頁面特征進行去偽造處理，避免了偽造特征對分類結(jié)果的影響。由于頁面特征維度較高，因此本文選用了對高維數(shù)據(jù)處理效果較好的支持向量機算法作為頁面特征的分類模型，并使用遺傳算法GA對SVM算法的參數(shù)進行了優(yōu)化。