基于聯(lián)合特征的釣魚網(wǎng)頁分類方法

1、基于聯(lián)合特征的釣魚網(wǎng)頁分類方法基于聯(lián)合特征的釣魚網(wǎng)頁分類方法賈雪鵬容曉峰摘要本文系統(tǒng)地描述了一種基于聯(lián)合特征的釣魚網(wǎng)頁檢測方法。提取了41項特征作為基礎特征，結(jié)合信息增益和遞歸特征刪除兩種方法的排序結(jié)果計算特征重要度。引入聯(lián)合特征率R（0【關鍵詞】機器學習釣魚網(wǎng)頁檢測聯(lián)合特征最優(yōu)分類模型1簡介釣魚網(wǎng)頁攻擊指騙者制作的一個模仿合法組織網(wǎng)站的網(wǎng)頁，將引誘用戶訪問這個網(wǎng)頁，并在網(wǎng)頁上呈現(xiàn)出請求用戶私密信息的輸入字段，如登錄個人網(wǎng)上銀行賬戶的詳

2、細信息。網(wǎng)絡釣魚攻擊危害嚴重，在全球范圍內(nèi)，存在至少255，065次獨立的網(wǎng)絡釣魚攻擊。同比2015年發(fā)現(xiàn)的230，280次攻擊增加了超過10%。因此網(wǎng)絡釣魚防護和預測愈發(fā)成為網(wǎng)絡安全領域乃至整個互聯(lián)網(wǎng)發(fā)展的研究重點。綜上所述，論文主要針對釣魚網(wǎng)頁檢測研究一種基于聯(lián)合特征的機器學習分類方法，探究特征種類和數(shù)量對機器學習分類模型的影響。為了提取最具網(wǎng)頁表示性的特征，從三種來源進行提?。海?）URL鏈接特征。研究最多的是提取URL詞匯和主機

3、特征；（2）網(wǎng)頁內(nèi)容特征。網(wǎng)頁內(nèi)容決定了網(wǎng)頁的性質(zhì)，對于網(wǎng)頁內(nèi)容的特征分為兩個部分：頁面結(jié)構特征和頁面文本特征。（3）第三方服務信息特征。例如WHOIS信息和網(wǎng)頁排名。3.1數(shù)據(jù)集論文從PhishTank中提取釣魚網(wǎng)頁樣本，從DMOZ中提取合法網(wǎng)頁樣本。將收集到的釣魚網(wǎng)頁和合法網(wǎng)頁數(shù)據(jù)拆分成訓練集（釣魚網(wǎng)頁15000；合法網(wǎng)頁20000）和測試集（釣魚網(wǎng)頁2000；合法網(wǎng)頁2000）兩部分。3.2最優(yōu)分類模型3.2.1基于基礎特征的模型

4、對比邏輯回歸、隨機森林、Adaboost、神經(jīng)網(wǎng)絡四種最優(yōu)參數(shù)模型的ROC_AUC值，曲線覆蓋面積越大表明模型分類能力越強。各種模型對釣魚網(wǎng)頁的分類能力（F1值）：隨機森林0.978神經(jīng)網(wǎng)絡MLP0.968Adaboost0.960邏輯回歸0.887。隨機森林和神經(jīng)網(wǎng)絡MLP兩種非線性模型的表現(xiàn)明顯更加優(yōu)秀；而屬于線性模型的邏輯回歸表現(xiàn)不佳。3.2.2基于聯(lián)合特征的模型對比測試上節(jié)中四種最優(yōu)參數(shù)模型在不同聯(lián)合特征率R下的模型分類質(zhì)量。表