网络钓鱼识别研究综述

付溪，李晖，赵兴文

（西安电子科技大学网络与信息安全学院，陕西 西安 710126）

1 引言

近年来，互联网的快速发展极大地丰富了人们的物质文化生活，推动了信息社会的不断进步，但同时吸引了大量非法攻击者进行网络钓鱼攻击。RSA公司的一份报告显示，2016年的网络钓鱼事件对全球国际组织造成的间接经济损失高达90亿美元[1]。国际反网络钓鱼工作组（APWG）在2019年第三季度检测到的网络钓鱼站点总数为266 387个，与第二季度相比增长了46%，达到自2016年以来的最高水平[2]。因此，如何及时高效地对网络钓鱼行为进行识别成为亟待解决的安全问题。

网络钓鱼攻击通常会创建一个与合法网站相似度很高的虚假网站，从而通过诱骗用户访问虚假网站来窃取重要隐私信息（如用户姓名、电话、账号密码等）。这将会造成严重的隐私泄露问题，进一步导致用户财产受到威胁。为了应对非法钓鱼攻击，国内外研究人员针对网络钓鱼识别开展了大量研究。早期，由于钓鱼攻击场景单调、攻击站点相对固定的特点，基于白名单、黑名单的识别方法被广泛应用。此外，随着钓鱼攻击方式和攻击者能力的不断提升，基于启发式、机器学习等方法的网络钓鱼识别技术逐渐成为研究重点[3-5]。

本文对网络钓鱼识别技术的应用场景进行了全面的归纳和总结，详细分析了网络钓鱼识别技术的研究现状并对今后可能的研究方向进行了讨论。

2 网络钓鱼识别技术

2.1 基于列表的识别技术

基于列表的识别技术大多通过建立网站的黑白名单实现。……