隨著不斷發(fā)展的Web、移動(dòng)設(shè)備和社交網(wǎng)絡(luò)技術(shù),網(wǎng)絡(luò)釣魚已成為在線網(wǎng)絡(luò)上日益嚴(yán)重的威脅。釣魚攻擊者使用社會(huì)工程技術(shù),像電子郵件,SMS等引誘用戶訪問它們,竊取訪問者的用戶名、賬戶密碼和金融相關(guān)的敏感信息,從而給受害者造成嚴(yán)重的經(jīng)濟(jì)損失。因此,迫切需要用于檢測和防止網(wǎng)絡(luò)釣魚攻擊的有效方法和技術(shù)。傳統(tǒng)的釣魚網(wǎng)站檢測方法主要專注網(wǎng)絡(luò)釣魚的基本機(jī)制,忽略了新興的攻擊技術(shù),目標(biāo)環(huán)境和最新出現(xiàn)的釣魚網(wǎng)站。由于可以從海量數(shù)據(jù)集中進(jìn)行主動(dòng)學(xué)習(xí),而且數(shù)據(jù)分類的準(zhǔn)確性很高,因此神經(jīng)網(wǎng)絡(luò)通常用于檢測和預(yù)防網(wǎng)絡(luò)釣魚攻擊。但是,在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程中,公共數(shù)據(jù)集中的許多噪聲點(diǎn)(例如重復(fù)的數(shù)據(jù)點(diǎn)和具有負(fù)或無用特征的數(shù)據(jù)點(diǎn))將使神經(jīng)網(wǎng)絡(luò)分類器陷入過度擬合的問題。此問題通常導(dǎo)致訓(xùn)練有素的分類器無法精確檢測網(wǎng)絡(luò)釣魚網(wǎng)站。為了緩解這些問題,本文提出了一種基于決策樹和最佳特征選擇的神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)釣魚檢測模型——DT-ANN。在該模型中,首先對(duì)傳統(tǒng)的K-medoids聚類算法進(jìn)行了改進(jìn),以從公共數(shù)據(jù)集中刪除重復(fù)的樣本點(diǎn)。然后,設(shè)計(jì)了基于新定義的特征評(píng)估指標(biāo)(f_Value),決策樹和局部搜索的最佳特征選擇算法...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.4由擴(kuò)展的基尼系數(shù)和CART算法生成的決策樹

安徽大學(xué)碩士學(xué)位論文29標(biāo)記。(Xi,yi)為樣本點(diǎn)。數(shù)據(jù)集特征屬性A={a1,a2,,ad}，假定屬性a有V個(gè)可能的取值{a1,a2,,aV}，如果使用屬性a對(duì)樣本數(shù)據(jù)集D進(jìn)行劃分，則會(huì)產(chǎn)生V個(gè)分支節(jié)點(diǎn)，其中第v個(gè)分支節(jié)點(diǎn)包含了D中所有在屬性a上取值為aV的樣本，記為Dv。對(duì)于....

本文編號(hào)：3899720