融合多源网络评估数据及URL特征的钓鱼网站识别技术研究

发布时间：2018-04-03 03:20

本文选题：数据挖掘　切入点：钓鱼网站识别　出处：《数据分析与知识发现》2017年06期

【摘要】：【目的】充分利用多源网络评估数据和URL异常特征数据,研究提高钓鱼网站识别准确性的可行性方案。【方法】采用8种机器学习技术,对比研究网络评估数据与传统的URL异常特征数据在钓鱼网站识别中的性能,并融合两类数据研究进一步提高钓鱼网站识别准确性的可行性方案。【结果】在钓鱼网站识别中,相比于传统的URL异常特征,利用网络评估数据可以取得更好的识别效果。融合两类数据对于提高识别准确性有一定帮助。【局限】未考虑钓鱼网站与正常网站的数量存在严重的不均衡问题。【结论】充分利用多源网络评估数据和URL异常特征数据识别钓鱼网站的方法是比较合理和有效的,对后续相关研究具有一定的借鉴意义。
[Abstract]:[objective] to make full use of multi-source network evaluation data and URL abnormal feature data to study the feasible scheme to improve the accuracy of phishing site identification. [methods] eight machine learning techniques were used.The performance of network evaluation data and traditional URL anomaly feature data in phishing site identification is compared, and the feasibility of further improving the accuracy of phishing site identification is studied by combining the two kinds of data. [results] in phishing site identification,Compared with the traditional URL anomaly feature, the network evaluation data can obtain better recognition effect.Fusion of two types of data is helpful to improve the accuracy of identification. [limitation] there is a serious imbalance between the number of phishing sites and normal websites. [conclusion] making full use of multi-source networks to evaluate data and URL heterogeneity.The method of identifying fishing sites with constant feature data is reasonable and effective.It has certain reference significance to the follow-up related research.
【作者单位】：武汉大学信息管理学院;武汉大学电子商务研究与发展中心;
【基金】：国家自然科学基金面上项目“创新2.0超网络中知识流动和群集交互的协同研究”(项目编号:71373194) 国家自然科学基金青年基金项目“基于集成学习的区间型电力负荷预测技术研究”(项目编号:71601147)的研究成果之一
【分类号】：TP393.092

【相似文献】