基于SVM-RFE的钓鱼网页检测方法研究

发布时间：2018-04-12 10:13

  本文选题：网络钓鱼检测 + 支持向量机　； 参考：《华中科技大学学报(自然科学版)》2013年S2期

【摘要】：针对现有钓鱼网页检测方法存在的不足,基于后向选择算法,在信息获取、特征提取、分类器训练及检测疑似网络钓鱼网页等过程进行了优化.根据特征之间的相互关系划分等级空间,借助支持向量机回归特征消除的思想,提出了基于支持向量机的回归特征消除(SVM-RFE)对钓鱼网页进行检测的思路,设计出一种改进的钓鱼网页检测方法.最后对比不同特征维度在漏报率、误报率、识别率方面的差异,分析检测的有效性.实验结果表明:实际应用中可通过该方法准确有效地选定最优特征.
[Abstract]:Aiming at the shortcomings of the existing phishing page detection methods, based on the backward selection algorithm, the processes of information acquisition, feature extraction, classifier training and detection of suspected phishing pages are optimized.According to the hierarchical space of the relationship between features and with the help of the idea of regression feature elimination of support vector machine (SVM), the idea of SVM-RFE (SVM-RFE) based on support vector machine (SVM) to detect phishing pages is put forward.An improved fishing page detection method is designed.Finally, the differences of false alarm rate, false alarm rate and recognition rate in different feature dimensions are compared, and the effectiveness of detection is analyzed.The experimental results show that the optimal features can be selected accurately and effectively by this method in practical application.
【作者单位】： 中国信息安全测评中心;华中科技大学计算机科学与技术学院;
【分类号】：TP393.08

【相似文献】

相关期刊论文 前10条

1 胥锋;薛质;李建华;;基于支持向量机的电子邮件过滤技术[J];电信快报;2006年10期

2 简清明;曾黄麟;叶晓彤;;粗糙集特征选择和支持向量机在入侵检测系统中的应用[J];四川理工学院学报(自然科学版);2009年05期

3 陈超;陈盛雄;;一种基于SMO算法的垃圾邮件过滤系统设计[J];福建电脑;2007年03期

4 高海华;杨辉华;王行愚;;基于BPSO-SVM的网络入侵特征选择和检测[J];计算机工程;2006年08期

5 董建设;袁占亭;张秋余;;基于多种核函数的SVM在垃圾邮件过滤中的应用[J];计算机应用;2008年02期

6 张越;曹文君;;基于SVM的大容量网页的分类研究[J];计算机应用与软件;2008年09期

7 肖海军;王小非;洪帆;崔国华;;基于特征选择和支持向量机的异常检测[J];华中科技大学学报(自然科学版);2008年03期

8 张跃军;柴乔林;王少娥;王华;刘云璐;;利用GA与SVM对NIDS进行关键特征提取[J];计算机工程与应用;2006年34期

9 康世瑜;;基于数据挖掘和特征选择的入侵检测模型[J];微电子学与计算机;2011年08期

10 陈光英,张千里,李星;基于SVM分类机的入侵检测系统[J];通信学报;2002年05期

相关会议论文 前10条

1 刘李男;杨岳湘;唐川;;一种基于熵优化支持向量机的P2P流量检测方法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

2 贺涛;曹先彬;;基于SVM的无线De-authentication攻击检测[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

4 杨业;王永骥;;基于Internet的网络控制延时分析及预测[A];第二十三届中国控制会议论文集（上册）[C];2004年

5 谢毅;张俊灵;王莹;胡翠林;;一种基于SVM的信息安全入侵检测模型[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

6 柳斌;李之棠;涂浩;;一种基于半监督学习的应用层流量分类方法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

7 高海华;王行愚;杨辉华;;基于群智能和SVM的网络入侵特征选择和检测[A];2005年中国智能自动化会议论文集[C];2005年

8 张家超;孔媛媛;;结合SVM与免疫遗传算法设计IDS的检测算法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

9 刘晓勇;;基于GA与SVM融合的网页分类算法[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

10 张小强;朱中梁;范平志;;基于SVM和序列互相关特性的入侵检测[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

相关博士学位论文 前10条

1 柳斌;P2P流的测量与识别方法研究[D];华中科技大学;2008年

2 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年

3 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年

4 贾银山;支持向量机算法及其在网络入侵检测中的应用[D];大连海事大学;2004年

5 李战春;入侵检测中的机器学习方法及其应用研究[D];华中科技大学;2007年

6 段丹青;入侵检测算法及关键技术研究[D];中南大学;2007年

7 李玲娟;数据挖掘技术在入侵检测系统中的应用研究[D];苏州大学;2008年

8 陈彬;垃圾邮件的特征选择及检测方法研究[D];华南理工大学;2010年

9 李千目;战略互联网故障智能诊断策略研究[D];南京理工大学;2005年

10 饶鲜;入侵检测信道模型研究[D];西安电子科技大学;2006年

相关硕士学位论文 前10条

1 张洪军;基于SVM的电子邮件分类系统研究[D];山东师范大学;2007年

2 杨霞;基于SVM和D-S理论的垃圾邮件过滤研究[D];江苏大学;2008年

3 杨丽华;基于内容的垃圾邮件过滤技术研究[D];西南交通大学;2006年

4 张宝华;支持向量机在入侵检测系统中的研究和应用[D];天津理工大学;2010年

5 徐华;基于支持向量机的Web文本挖掘研究[D];哈尔滨工程大学;2004年

6 叶春;局域支持向量机的改进及其在网络流量预测中的应用[D];西华大学;2010年

7 李佳;基于粒子群优化支持向量机的异常入侵检测研究[D];中南林业科技大学;2009年

8 杨翔宇;SVM在Web文本挖掘中的应用与研究[D];哈尔滨工程大学;2005年

9 朱杰;支持向量机在入侵检测中的应用[D];西安电子科技大学;2008年

10 刘健男;基于支持向量机的网络流量分类检测系统的研究与实现[D];吉林大学;2012年

，

本文编号：1739302