本文關鍵詞：客戶端釣魚網(wǎng)站智能檢測系統(tǒng)的設計與實現(xiàn)

  更多相關文章： 釣魚網(wǎng)頁檢測 網(wǎng)頁特征提取 支持向量機 網(wǎng)絡爬蟲

【摘要】：釣魚網(wǎng)頁是一種常見的網(wǎng)絡攻擊,它通過模仿真實頁面的文本、圖片和行為等特征,從而達到假冒合法網(wǎng)站的目的,以此詐取用戶的信任,繼而竊取個人賬戶信息或其他隱私信息。隨著網(wǎng)上購物的熱潮,釣魚攻擊也更加頻繁,它所帶來的危害也越來越嚴重,反釣魚技術便顯得愈加重要。釣魚網(wǎng)頁特征檢測作為一種新型的反釣魚措施與技術受到了普遍的關注和重視。本文提出一種基于SVM分類器的釣魚網(wǎng)頁特征智能檢測技術,在分析和提取網(wǎng)頁內(nèi)容特征的基礎上,用SVM分類器模型分類檢測并識別釣魚網(wǎng)頁。首先,由于網(wǎng)頁內(nèi)容特征的選擇是影響釣魚網(wǎng)頁檢測結(jié)果的關鍵要素,論文全面分析并提取網(wǎng)頁的各種類型的特征,然后通過具體實驗進一步驗證哪些特征組合最能高效地區(qū)分虛假和真實網(wǎng)站,從而提高系統(tǒng)對虛假網(wǎng)站的識別率。其次由于提取特征是一個很耗時的工作,為進一步縮短提取特征所消耗的CPU時間,本文采用了多線程網(wǎng)絡爬蟲,實現(xiàn)了多線程并發(fā)特征提取。最后用大量的正常網(wǎng)站以及虛假網(wǎng)站進行檢測實驗,利用SVM分類器訓練出一個檢測模型,進而用以識別虛假網(wǎng)站。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.092

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 郭敏哲;袁津生;王雅超;;網(wǎng)絡釣魚Web頁面檢測算法[J];計算機工程;2008年20期

2 陳冰梅;樊曉平;周志明;李雪榮;;支持向量機原理及展望[J];制造業(yè)自動化;2010年14期

3 張學工;關于統(tǒng)計學習理論與支持向量機[J];自動化學報;2000年01期

4 林海霞;司海峰;張微微;;基于Java技術的主題網(wǎng)絡爬蟲的研究與實現(xiàn)[J];微型電腦應用;2009年02期

5 褚德坤;;網(wǎng)絡釣魚現(xiàn)狀與對策——訪國家計算機病毒應急處理中心常務副主任 張健[J];信息網(wǎng)絡安全;2006年05期

6 歐陽柳波,李學勇,李國徽,王鑫;網(wǎng)絡蜘蛛搜索策略進展研究[J];小型微型計算機系統(tǒng);2005年04期

7 袁勛;吳秀清;洪日昌;宋彥;華先勝;;基于主動學習SVM分類器的視頻分類[J];中國科學技術大學學報;2009年05期

，

本文編號：1193058