【摘要】：近年來網(wǎng)絡發(fā)展迅猛,已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡拇嬖�。各種網(wǎng)絡安全隱患隨之而來,出現(xiàn)了一種以商業(yè)和政治為目的的網(wǎng)絡犯罪類型高級持續(xù)性滲透攻擊(APT),其常見的滲透突破方法包括網(wǎng)站掛馬、電子郵件和即時消息。釣魚郵件就是通過電子郵件進行滲透攻擊,是非常常見的攻擊手段。如今又出現(xiàn)了一種新形式的釣魚郵件,即魚叉式釣魚郵件,通過偽裝成目標的熟人進行有針對性的釣魚。但是每個個體的性格、性別、寫作習慣都不一樣,即使是有意的模仿,也不能做到完全相似。因此本研究使用基于發(fā)件人身份驗證的方法實現(xiàn)對魚叉式釣魚郵件的檢測。在驗證發(fā)件人身份過程中,需要從郵件中提取風格特征、性別特征和性格特征,然后使用分類器對郵件進行分類。但是普通釣魚郵件不具備偽裝發(fā)件人為目標熟悉的人這一特點,因此驗證發(fā)件人身份并不適用于全部釣魚郵件,對于其他情況的釣魚郵件只能使用普通的檢測方法進行檢測。本文分別單獨使用URL特征、關鍵詞特征和郵件正文特征進行分類構造基分類器,然后將結果通過投票的方式進行集成,得到最終的檢測結果。最后,在檢測過程中提取的特征比較多,會造成過擬合現(xiàn)象的產(chǎn)生。因此在本文中,提出了一種基于密度和距離的降維方法。該方法通過計算特征之間的距離和局部密度,有效的將原始特征的維度降為簡單而具有代表性的二維向量。以達到節(jié)省時間和提高準確率等性能的效果。最后實驗結果表明本文研究的基于發(fā)件人身份驗證和分類集成的釣魚郵件檢測方法是有效的。
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.08;TP393.098
【圖文】：

通過互聯(lián)網(wǎng)應運而生的一系列事物，如電子商務、網(wǎng)絡銀行、在線教育、網(wǎng)絡社交平臺、手機支付等等已經(jīng)深入到了生活中的各個方面。人們的日常聯(lián)系不再局限于面對面交流，通過互聯(lián)網(wǎng)更容易進行方便有效的溝通。電子郵件已經(jīng)成為人們?nèi)粘贤ㄖ胁豢扇鄙俚囊环N交流方式。在互聯(lián)網(wǎng)時代的商業(yè)領域，電子郵件已經(jīng)成為經(jīng)常被提及的工具。根據(jù) Radicati 最新的年度報告，電子郵件可能不會像即時消息應用程序或社交媒體那樣快速增長，但電子郵件將繼續(xù)存在[1]。圖1-1 為 Radicati 年度報告 2017 年-2021 年全球郵件市場預測表格。從全球范圍來看，到 2017 年為止，電子郵件用戶預計達到 37 億人，到 2021 年預計增長 3%，屆時電子郵件用戶將超過 41 億。預計每日平均電子郵件流量將以更快的增長速度成倍增加。因為在此預測期間，企業(yè)和消費者模式的電子郵件每年都會增長4%，數(shù)量將從今年的每日平均 2690 億增長到 2021 年的 3200 億，電子郵件市場的收入也將呈現(xiàn)強勢增長趨勢，明年預計增長 22%，能夠達到近 300 億美元，并且一直持續(xù)到 2021 年都會保持兩位數(shù)的增長幅度。屆時，電子郵件的市場收入將達到近 470 億美元。

圖 1-2 釣魚郵件檢測總體模塊圖Figure1-2 Overall module map of phishing mail detection主要研究內(nèi)容可以分為以下幾方面內(nèi)容：第一，通過基于寫作風格、性別和性格的發(fā)件人身份驗證方法檢測魚叉件。在這個過程中，對于目前使用的發(fā)件人身份驗證的方法進行了深入研模塊中，根據(jù)魚叉式釣魚郵件檢測的相關文獻，提出了能夠獲得較大檢郵件特征。將發(fā)件人身份驗證與魚叉式釣魚郵件的檢測方式相結合，從種新的魚叉式釣魚郵件檢測方法，提高檢測效率。第二，基于分類集成的釣魚郵件檢測方法。通過研究，找出幾種可以單郵件特征，然后利用集成學習的方法將幾種郵件特征形成的基分類器通方式結合成為一個最終的分類器。利用上述兩種方法的結合，可以將各件全面的檢測出來。第三，基于密度和距離的降維處理方法。通過研究目前存在的降維方法此基礎上提出一種基于新特征的特征提取方法的降維處理算法。以達到效率的目的。

【參考文獻】

相關期刊論文 前4條

1 唐成華;劉鵬程;湯申生;謝逸;;基于特征選擇的模糊聚類異常入侵行為檢測[J];計算機研究與發(fā)展;2015年03期

2 藺亞東;;基于URL特征的釣魚網(wǎng)站檢測方式[J];電子測試;2014年03期

3 彭富明;張衛(wèi)豐;彭寅;;基于文本特征分析的釣魚郵件檢測[J];南京郵電大學學報(自然科學版);2012年05期

4 鄭金彬;卓義寶;;基于密度的分布式聚類算法研究[J];計算機工程;2008年17期

本文編號：2741135