客户端钓鱼网站智能检测系统的设计与实现

发布时间：2017-11-16 17:09

  本文关键词：客户端钓鱼网站智能检测系统的设计与实现

  更多相关文章： 钓鱼网页检测 网页特征提取 支持向量机 网络爬虫

【摘要】：钓鱼网页是一种常见的网络攻击,它通过模仿真实页面的文本、图片和行为等特征,从而达到假冒合法网站的目的,以此诈取用户的信任,继而窃取个人账户信息或其他隐私信息。随着网上购物的热潮,钓鱼攻击也更加频繁,它所带来的危害也越来越严重,反钓鱼技术便显得愈加重要。钓鱼网页特征检测作为一种新型的反钓鱼措施与技术受到了普遍的关注和重视。本文提出一种基于SVM分类器的钓鱼网页特征智能检测技术,在分析和提取网页内容特征的基础上,用SVM分类器模型分类检测并识别钓鱼网页。首先,由于网页内容特征的选择是影响钓鱼网页检测结果的关键要素,论文全面分析并提取网页的各种类型的特征,然后通过具体实验进一步验证哪些特征组合最能高效地区分虚假和真实网站,从而提高系统对虚假网站的识别率。其次由于提取特征是一个很耗时的工作,为进一步缩短提取特征所消耗的CPU时间,本文采用了多线程网络爬虫,实现了多线程并发特征提取。最后用大量的正常网站以及虚假网站进行检测实验,利用SVM分类器训练出一个检测模型,进而用以识别虚假网站。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092

【参考文献】

中国期刊全文数据库 前7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 陈冰梅;樊晓平;周志明;李雪荣;;支持向量机原理及展望[J];制造业自动化;2010年14期

3 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

4 林海霞;司海峰;张微微;;基于Java技术的主题网络爬虫的研究与实现[J];微型电脑应用;2009年02期

5 褚德坤;;网络钓鱼现状与对策——访国家计算机病毒应急处理中心常务副主任 张健[J];信息网络安全;2006年05期

6 欧阳柳波,李学勇,李国徽,王鑫;网络蜘蛛搜索策略进展研究[J];小型微型计算机系统;2005年04期

7 袁勋;吴秀清;洪日昌;宋彦;华先胜;;基于主动学习SVM分类器的视频分类[J];中国科学技术大学学报;2009年05期

，

本文编号：1193058