已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、釣魚攻擊已經(jīng)發(fā)展成為在線交易、電子商務及網(wǎng)絡信息安全的主要威脅。它對用戶和企業(yè)造成了嚴重的經(jīng)濟和信任危機,不僅危害了人們的利益、影響了人們的生活,而且影響了電子商務市場的發(fā)展。釣魚網(wǎng)站由于制作成本低,存在設計簡陋、源碼不規(guī)范、網(wǎng)站模板化的特征,且與仿冒的官網(wǎng)在視覺角度具有高相似性。為了有效地應對釣魚技術(shù)的攻擊,設計新的釣魚網(wǎng)頁檢測方案,及時有效的發(fā)現(xiàn)釣魚網(wǎng)站具有重要意義。
首先,本文從視覺角度入手提出了一種提取網(wǎng)頁視覺簽名的方
2、法,并給出了根據(jù)視覺簽名相似性計算網(wǎng)頁相似性的計算方法;然后通過分別獲取網(wǎng)頁中的圖片、視覺塊等基本元素,并抽取元素的紋理、位置和文本特征組成網(wǎng)頁的視覺簽名元素;最后基于EMD算法計算網(wǎng)頁視覺簽名的相似度,結(jié)合特征庫進行網(wǎng)頁釣魚傾向性判斷和釣魚目標網(wǎng)站識別。
然后,本文從Logo局部篡改角度入手,設計了基于位置信息的SVM分類器,對網(wǎng)頁中的圖片進行分類,分類準確率達到96.5%,并設計了劃分Logo圖像提取全局紋理特征的方法。本
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于聯(lián)合特征的釣魚網(wǎng)頁分類方法
- 基于最近鄰及相似度測量檢測釣魚網(wǎng)頁技術(shù)的研究.pdf
- 基于空間數(shù)據(jù)庫和視覺特征的釣魚網(wǎng)頁檢測.pdf
- 基于RFE-SVM的釣魚網(wǎng)頁識別技術(shù)的研究.pdf
- 釣魚網(wǎng)頁的深度學習智能檢測方法研究.pdf
- 基于深度學習的釣魚網(wǎng)站檢測技術(shù)的研究.pdf
- 基于Web社區(qū)的釣魚網(wǎng)站檢測研究.pdf
- 釣魚網(wǎng)站檢測算法
- 融合網(wǎng)頁噪聲和n-gram的釣魚網(wǎng)站檢測研究.pdf
- 融合多重特征的釣魚網(wǎng)站聚類算法研究.pdf
- 基于鏈接分析的釣魚網(wǎng)站檢測方法.pdf
- 基于機器學習算法的釣魚網(wǎng)站檢測系統(tǒng).pdf
- 警惕網(wǎng)購支付類釣魚網(wǎng)站
- 基于SIFT特征的圖像相似性檢索技術(shù)研究.pdf
- 基于K-Means和SVM的釣魚網(wǎng)站識別的研究.pdf
- 計算機視覺中特征與相似性度量研究.pdf
- 網(wǎng)絡動態(tài)高仿真釣魚網(wǎng)站識別方法研究.pdf
- 主動探測式電子商務釣魚網(wǎng)站檢測機制的研究.pdf
- 基于頁面內(nèi)容分析的釣魚網(wǎng)站檢測系統(tǒng)的設計與實現(xiàn).pdf
- 客戶端釣魚網(wǎng)站智能檢測系統(tǒng)的設計與實現(xiàn)
評論
0/150
提交評論