本文選題：釣魚檢測(cè)　切入點(diǎn)：支持向量機(jī)(SVM)　出處：《重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年06期 　論文類型：期刊論文

【摘要】：針對(duì)金融服務(wù)領(lǐng)域面臨的嚴(yán)峻信息安全挑戰(zhàn),以及現(xiàn)有釣魚網(wǎng)頁檢測(cè)方法的不足,提出一種基于支持向量機(jī)(support vector machine,SVM)的金融類釣魚網(wǎng)頁檢測(cè)方法。采用網(wǎng)頁渲染去除常見的頁面特征偽裝,提取統(tǒng)一資源定位符(uniform resource locator,URL)信息特征、頁面文本特征、頁面表單特征以及頁面logo圖像特征,構(gòu)建特征向量訓(xùn)練SVM分類器模型,實(shí)現(xiàn)對(duì)金融類釣魚網(wǎng)頁的識(shí)別。在特征提取過程中,利用適合中文的多模式匹配算法AC_SC(AC suitable for chinese)提高文本匹配效率,并采用加速魯棒特征(speeded-up robust feature,SURF)算法實(shí)現(xiàn)logo圖像的特征提取與匹配。多方法實(shí)驗(yàn)結(jié)果對(duì)比表明,該方法針對(duì)性更強(qiáng),能達(dá)到99.1%的檢測(cè)準(zhǔn)確率、低于0.86%的誤報(bào)率。
[Abstract]:In view of the serious information security challenges faced by the financial services sector, as well as the shortcomings of the existing phishing web page detection methods, This paper presents a new method for detecting financial phishing pages based on support vector machine (SVM) support vector machine (SVM), which uses web page rendering to remove common page feature camouflage, and extracts uniform resource locator URL information features and page text features. Page form features and page logo image features, feature vector training SVM classifier model is constructed to realize the recognition of financial phishing pages. AC_SC(AC suitable for chineseis used to improve the text matching efficiency, and the speeded-up robust feature surf algorithm is used to realize the feature extraction and matching of logo images. The experimental results show that the proposed method is more specific. Can achieve 99.1% detection accuracy, less than 0.86% false alarm rate.
【作者單位】： 中國移動(dòng)研究院;重慶郵電大學(xué)自動(dòng)化學(xué)院;
【基金】：教育部—中國移動(dòng)聯(lián)合研究基金(MCM20150202)~~
【分類號(hào)】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高晶輝;;基于SVM的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)模型分析[J];牡丹江師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年04期

2 程學(xué)云;徐慧;朱玲玲;;基于SVM的分布式入侵檢測(cè)系統(tǒng)[J];南通大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

3 李漢彪;劉淵;;一種SVM入侵檢測(cè)的融合新策略[J];計(jì)算機(jī)工程與應(yīng)用;2012年04期

4 馬翔;李展;;基于模糊處理和上下文敏感SVM的協(xié)同過濾推薦新方法[J];電腦知識(shí)與技術(shù);2010年06期

5 柴志成;;一種基于SVM的網(wǎng)絡(luò)異常流量檢測(cè)新方法[J];貴陽學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年01期

6 段丹青;陳松喬;楊衛(wèi)平;;基于SVM主動(dòng)學(xué)習(xí)算法的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)[J];計(jì)算機(jī)工程與科學(xué);2006年04期

7 谷雨;基于增量式SVM的入侵檢測(cè)研究[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

8 高會(huì)生;郭愛玲;;組合核函數(shù)SVM在網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年11期

9 邱婧;夏靖波;柏駿;;基于SVM決策樹的網(wǎng)絡(luò)流量分類[J];電光與控制;2012年06期

10 汪會(huì)玲;;一種基于SVM的電子商務(wù)網(wǎng)站服務(wù)質(zhì)量監(jiān)控模型[J];情報(bào)雜志;2008年06期

相關(guān)會(huì)議論文 前5條

1 劉秉權(quán);李博;孫林;王寶勛;劉遠(yuǎn)超;;標(biāo)簽特征和正文特征融合的SVM博客文本分類算法研究[A];第六屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

2 鐘淑瑛;李陶深;張敏;;一種基于PCA技術(shù)的入侵檢測(cè)特征提取方法[A];廣西計(jì)算機(jī)學(xué)會(huì)2005年學(xué)術(shù)年會(huì)論文集[C];2005年

3 周俊臨;傅彥;聶琨坤;;自適應(yīng)網(wǎng)格數(shù)據(jù)的分布式特征提取研究[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 程克勤;周健;;一種P2P流特征提取方法[A];第六屆中國測(cè)試學(xué)術(shù)會(huì)議論文集[C];2010年

5 孫利;吳儉濤;;利用色彩營造網(wǎng)頁形象時(shí)需關(guān)注的幾點(diǎn)問題[A];色彩科學(xué)應(yīng)用與發(fā)展——中國科協(xié)2005年學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 劉芳正;基于SVM的入侵檢測(cè)技術(shù)在醫(yī)院統(tǒng)一外聯(lián)平臺(tái)中的研究[D];北方工業(yè)大學(xué);2017年

2 劉軍;基于SVM的半監(jiān)督網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)[D];復(fù)旦大學(xué);2009年

3 張永俊;基于SVM的增量入侵檢測(cè)方法研究[D];西安科技大學(xué);2013年

4 畢孝儒;基于粗糙集屬性約簡和加權(quán)SVM的入侵檢測(cè)方法研究[D];西安科技大學(xué);2011年

5 李可可;基于SVM的微博情感傾向性分析研究[D];中原工學(xué)院;2014年

6 陳藝?yán)?基于粗糙集和增量SVM的入侵檢測(cè)方法研究[D];西安科技大學(xué);2012年

7 康曉麗;基于信息熵與改進(jìn)SVM的異常流量檢測(cè)研究[D];大連海事大學(xué);2012年

8 羅杰;基于SVM的微博話題跟蹤方法及其應(yīng)用[D];北京理工大學(xué);2015年

9 張洪軍;基于SVM的電子郵件分類系統(tǒng)研究[D];山東師范大學(xué);2007年

10 馬建斌;基于SVM的中文電子郵件作者身份挖掘技術(shù)研究[D];河北農(nóng)業(yè)大學(xué);2004年

，

本文編號(hào)：1633344