基于属性聚类的网站集成检测及统计分析

发布时间：2017-10-29 23:24

  本文关键词：基于属性聚类的网站集成检测及统计分析

  更多相关文章： 特征提取 属性聚类 集成检测 贝叶斯投票 检测精度

【摘要】：收集大量网站的包含30个特征属性的数据,用k-means属性聚类方法将特征属性划分为不同类别,利用不同类别中的属性数据训练基础分类器,通过集成各基础分类器的结果对未知网站进行预测.采用简单投票和贝叶斯投票对结果进行组合预测,结果表明,k-means属性聚类方法大大增加了基础分类器的差异性,提高了分类检测的精度,其中基于贝叶斯投票策略的集成模型具有很高的检测精度.
【作者单位】： 山西大学商务学院信息学院;
【关键词】： 特征提取 属性聚类 集成检测 贝叶斯投票 检测精度
【基金】：山西省软科学研究项目(2013041049-03)
【分类号】：TP393.092;TP311.13
【正文快照】： 随着网络的普及,网络交易变得越来越频繁,然而钓鱼网站的出现给人们带来极大的危害.为了应对网络钓鱼的威胁,一些互联网厂商(如Google、eBay等)推出了浏览器检测插件[1-2],这些检测插件大多采用URL黑名单技术,检测快捷方便,但对黑名单之外的钓鱼网站或最新出现的钓鱼网站则无

【参考文献】

中国期刊全文数据库 前3条

1 顾晓清;王洪元;倪彤光;丁辉;;基于贝叶斯和支持向量机的钓鱼网站检测方法[J];计算机工程与应用;2015年04期

2 庄蔚蔚;叶艳芳;李涛;姜青山;;基于分类集成的钓鱼网站智能检测系统[J];系统工程理论与实践;2011年10期

3 周诚诚;张代远;;利用图像识别技术过滤海量可疑钓鱼网站[J];计算机技术与发展;2012年11期

【共引文献】

中国期刊全文数据库 前3条

1 庄蔚蔚;姜青山;;恶意软件鉴别技术及其应用[J];集成技术;2012年01期

2 周三奇;陈佳;张宏科;;互联网能耗和性能优化的权衡模型[J];系统工程理论与实践;2014年08期

3 刘少彬;彭慧波;蔺华庆;王全红;;基于网络蜘蛛和LD算法的钓鱼网站检测技术[J];自动化与仪器仪表;2015年06期

【二级参考文献】

中国期刊全文数据库 前6条

1 郭敏哲;袁津生;王雅超;;网络钓鱼Web页面检测算法[J];计算机工程;2008年20期

2 张卫丰;周毓明;许蕾;徐宝文;;基于匈牙利匹配算法的钓鱼网页检测方法[J];计算机学报;2010年10期

3 刘万里;刘三阳;薛贞霞;;不平衡支持向量机的平衡方法[J];模式识别与人工智能;2008年02期

4 李强;张钹;;一种基于图像灰度的快速匹配算法[J];软件学报;2006年02期

5 李佟鸿;麦永浩;;网络钓鱼犯罪技术分析与对策研究[J];信息网络安全;2011年04期

6 黄华军;钱亮;王耀钧;;基于异常特征的钓鱼网站URL检测技术[J];信息网络安全;2012年01期

中国博士学位论文全文数据库 前1条

1 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

，

本文编号：1115114