基于主辅特征和深度学习的钓鱼网页检测方法

冯 健，邹联扬，乔鱼强，叶 鸥

(西安科技大学 计算机科学与技术学院，陕西 西安 710054)

0 引 言

当前，已有的网络钓鱼检测方法显得力不从心[1]。一方面，为了应对钓鱼网页不断增加的隐蔽性，已有研究致力于提取更多的特征，从而将原始数据表示为简单且具有较大关联性的高维特征，这增加了模型的训练负担；另一方面，传统基于机器学习的检测方法本质上属于浅层结构算法，在面向钓鱼网页这种复杂高维数据时其泛化能力受到制约，亟待提升检测效果。

提出一种基于主辅特征的双通道混合式深度学习模型。在总结现有研究成果的基础上，从钓鱼网页中提取了多种显著特征；依据重要程度对这些特征进行量化，并归为主要特征和辅助特征两类；分别以主要特征和辅助特征作为输入，构建双通道卷积神经网络(convolutional neural network，CNN)和双向长短时记忆网络(bi-directional long-short term memory，BiLSTM)相结合的深度学习模型，从而有效检测钓鱼网页。模型既能有效利用已有人工特征，又能很好地借力混合式深度学习网络强大的学习能力，因此有效提高了钓鱼网页检测的准确率和效率。

1 相关研究

当前钓鱼网页检测已获得大量研究，分为传统方法和深度学习方法。

1.1 传统方法

这类方法主要包括4个子类：①基于黑名单的检测方法：仅根据URL等信息进行简单匹配，实施简单、没有误报，但不能识别未在黑名单上列出的钓鱼网页。代表性的应用包括谷歌Chrome等著名浏览器[2]。②基于启发式规则的检测方法：通过对钓鱼网页之间存在的相似性进行分析得到关键特征，设计围绕这些特征的启发式规则，依据规则实现未知网页的对比判定。……