基于機器學(xué)習(xí)算法的釣魚網(wǎng)站檢測系統(tǒng).pdf

1、網(wǎng)絡(luò)釣魚攻擊已經(jīng)成為當(dāng)前網(wǎng)上交易安全的一個重大威脅,其對電子商務(wù)的發(fā)展造成了很大阻礙,因而對釣魚防范的研究成為網(wǎng)絡(luò)安全領(lǐng)域的熱點問題。在眾多釣魚防范技術(shù)中,利用URL進行識別由于其簡單高效成為一項關(guān)鍵技術(shù)。目前大多數(shù)基于URL的反釣魚產(chǎn)品主要通過建立URL黑名單(白名單)數(shù)據(jù)庫對檢測網(wǎng)頁進行排查,雖然具有一定的檢測效果,但是該方法具有一定滯后性,不能夠?qū)]有記錄在案的URL進行識別。解決該問題的關(guān)鍵在于使釣魚識別工具具有學(xué)習(xí)推斷的能力,

2、因此本文采用機器學(xué)習(xí)方法對釣魚URL特征進行了深入研究,并且對相應(yīng)學(xué)習(xí)算法進行了詳細分析與適用性改進,主要工作如下：
　　 ⑴URL特征建模。對釣魚URL特征進行了歸納,對不同類型的特征進行了分組,并建立了適用于模式識別的URL特征模型。
　　 ⑵域名模仿識別。對于釣魚URL中普遍存在的域名模仿現(xiàn)象,提出了基于動態(tài)規(guī)劃思想的模糊域名匹配算法,通過計算合法域名與URL的匹配值得到域名相似度,進而得到URL的域名特征。

3、>　　 ⑶可疑詞提取。提出了基于廣義后綴樹的關(guān)鍵詞提取方法,可以有效的統(tǒng)計識別釣魚URL中出現(xiàn)頻率較高的關(guān)鍵詞,對URL中的詞匯進行匹配形成了若干布爾值形式的詞匯特征。
　　 ⑷增量學(xué)習(xí)算法研究。在傳統(tǒng)支持向量機(SVM)基礎(chǔ)上提出了一種基于反饋的增量學(xué)習(xí)算法,用于解決在線學(xué)習(xí)問題。該算法在空間和時間上具有高效率且有著良好的穩(wěn)定性。實驗部分驗證了域名識別、關(guān)鍵詞提取的有效性,通過不同分類算法之間的對比確立了支持向量機在釣魚UR