基于联合特征的钓鱼网页分类方法

贾雪鹏 容晓峰

摘 要 本文系统地描述了一种基于联合特征的钓鱼网页检测方法。提取了41项特征作为基础特征，结合信息增益和递归特征删除两种方法的排序结果计算特征重要度。引入联合特征率R（0

【关键词】机器学习 钓鱼网页检测 联合特征 最优分类模型

1 简介

钓鱼网页攻击指骗者制作的一个模仿合法组织网站的网页，将引诱用户访问这个网页，并在网页上呈现出请求用户私密信息的输入字段，如登录个人网上银行账户的详细信息。网络钓鱼攻击危害严重，在全球范围内，存在至少255，065次独立的网络钓鱼攻击。同比2015年发现的230，280次攻击增加了超过10%。因此网络钓鱼防护和预测愈发成为网络安全领域乃至整个互联网发展的研究重点。综上所述，论文主要针对钓鱼网页检测研究一种基于联合特征的机器学习分类方法，探究特征种类和数量对机器学习分类模型的影响。

为了提取最具网页表示性的特征，从三种来源进行提取：

（1）URL链接特征。研究最多的是提取URL词汇和主机特征；

（2）网页内容特征。网页内容决定了网页的性质，对于网页内容的特征分为两个部分：页面结构特征和页面文本特征。

（3）第三方服务信息特征。例如WHOIS信息和网页排名。大多数启发式方法基于机器学习分类算法对钓鱼网页进行检测。其中包括逻辑回归、SVM、朴素贝叶斯、决策树、随机森林、提升算法等。第2章将介绍数据集和特征的构建、分类算法的选择。第3章将通过实验确定最优分类算法，同时对比使用基础特征和联合特征对模型分类能力的影响作用。……