隨著互聯(lián)網(wǎng)的高速發(fā)展,上網(wǎng)沖浪、瀏覽網(wǎng)頁成為人們?nèi)粘Ｉ钪性絹碓街匾牧?xí)慣。不法分子通過假冒知名網(wǎng)站的登錄頁面,誘騙用戶進(jìn)行登錄操作,進(jìn)而獲取用戶的隱私信息,這種行為被稱為網(wǎng)絡(luò)釣魚攻擊。近年來,網(wǎng)絡(luò)釣魚攻擊的數(shù)量呈現(xiàn)出驚人的增長趨勢,在攻擊形式上出現(xiàn)了很多變化。網(wǎng)絡(luò)釣魚攻擊具有欺騙性強(qiáng)、針對性高和時效性短等特點,這些特點使得沒有接受過網(wǎng)絡(luò)釣魚知識科普的人很難人為的識別釣魚網(wǎng)站。在釣魚網(wǎng)站檢測領(lǐng)域中,目前在工業(yè)界應(yīng)用最為廣泛的是黑白名單加規(guī)則的方法。但是,釣魚網(wǎng)站一般存活時間很短,這使得維護(hù)一個數(shù)量龐大且具有時效性的黑白名單數(shù)據(jù)庫成本很高;另外,人為設(shè)定的規(guī)則很容易被釣魚者通過其他方法來繞開規(guī)則的檢測。近年來,在學(xué)術(shù)界研究最廣泛的方法是通過機(jī)器學(xué)習(xí)的方法來檢測釣魚網(wǎng)站。這類方法具有準(zhǔn)確率高,魯棒性強(qiáng)等優(yōu)點。但是,要訓(xùn)練機(jī)器學(xué)習(xí)模型,需要大量的數(shù)據(jù),目前來說,有關(guān)釣魚網(wǎng)站的公開數(shù)據(jù)集非常稀少;另外,過于復(fù)雜的系統(tǒng)識別的速度比較慢,做不到實時檢測。為了應(yīng)對上述問題,本文提出了一種基于堆疊（stacking）模型的使用多源特征的釣魚網(wǎng)站檢測方法。該方法能實時檢測釣魚網(wǎng)站,并且能識別釣魚網(wǎng)站的假... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

釣魚網(wǎng)頁中標(biāo)題品牌名和URL品牌名不一致Fig.2.4InconsistentbetweentitlebrandandURLbrandinphishingwebpage

文方法的有效性；接下來討論模型中一些參數(shù)的設(shè)置以及對比特征的有效性和重要性；最后對提出的假冒目標(biāo)識別方法進(jìn)行實驗評估。4.1 數(shù)據(jù)集及性能指標(biāo)介紹4.1.1 數(shù)據(jù)集1）2K 釣魚檢測數(shù)據(jù)集（2K-PD）這個小數(shù)據(jù)集包含 2000 個網(wǎng)頁，數(shù)據(jù)內(nèi)容包括網(wǎng)頁的 URL、HTML 文檔以及網(wǎng)頁的頁面截圖，其中有 1000 個正常網(wǎng)頁和 1000 個釣魚網(wǎng)頁。正常網(wǎng)頁收集的是Alexa 網(wǎng)站7上排名從 100000 到 101000 的網(wǎng)頁，釣魚網(wǎng)頁收集的是 Phishtank 上已被驗證為釣魚網(wǎng)頁的，日期從 2017 年 7 月 12 日到 2017 年 7 月 15 日。數(shù)據(jù)集的URL 長度分布如圖 4-1 所示。

第四章 實驗評估及分析2）50K 釣魚檢測數(shù)據(jù)集（50K-IPD）這個較大規(guī)模的數(shù)據(jù)集包含 53103 個網(wǎng)頁的 URL、HTML 文檔以及網(wǎng)頁的頁面截圖，其中有 28320 個正常網(wǎng)頁和 24789 個釣魚網(wǎng)頁。為了使正常網(wǎng)頁的 URL 長度分布和釣魚網(wǎng)頁的 URL 長度分布不要相差太大，對于正常網(wǎng)頁的收集，本文首先按照 Alexa 排名在 10000 到 15000 收集了 5000 個正常網(wǎng)頁，剩下的 23320 個是從這些網(wǎng)頁的超鏈接收集到的。這樣收集的原因是正常網(wǎng)頁里面的鏈接通常不會指向釣魚網(wǎng)頁。釣魚網(wǎng)頁同樣收集的是 Phishtank 上已被驗證為釣魚網(wǎng)頁的，日期從 2009年 6 月到 2017 年 2 月。50K-IPD 數(shù)據(jù)集的 URL 長度分布如圖 4-2 所示。


本文編號：3093430