本文關鍵詞：基于屬性聚類的網(wǎng)站集成檢測及統(tǒng)計分析

  更多相關文章： 特征提取 屬性聚類 集成檢測 貝葉斯投票 檢測精度

【摘要】：收集大量網(wǎng)站的包含30個特征屬性的數(shù)據(jù),用k-means屬性聚類方法將特征屬性劃分為不同類別,利用不同類別中的屬性數(shù)據(jù)訓練基礎分類器,通過集成各基礎分類器的結果對未知網(wǎng)站進行預測.采用簡單投票和貝葉斯投票對結果進行組合預測,結果表明,k-means屬性聚類方法大大增加了基礎分類器的差異性,提高了分類檢測的精度,其中基于貝葉斯投票策略的集成模型具有很高的檢測精度.
【作者單位】： 山西大學商務學院信息學院;
【關鍵詞】： 特征提取 屬性聚類 集成檢測 貝葉斯投票 檢測精度
【基金】：山西省軟科學研究項目(2013041049-03)
【分類號】：TP393.092;TP311.13
【正文快照】： 隨著網(wǎng)絡的普及,網(wǎng)絡交易變得越來越頻繁,然而釣魚網(wǎng)站的出現(xiàn)給人們帶來極大的危害.為了應對網(wǎng)絡釣魚的威脅,一些互聯(lián)網(wǎng)廠商(如Google、eBay等)推出了瀏覽器檢測插件[1-2],這些檢測插件大多采用URL黑名單技術,檢測快捷方便,但對黑名單之外的釣魚網(wǎng)站或最新出現(xiàn)的釣魚網(wǎng)站則無

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 顧曉清;王洪元;倪彤光;丁輝;;基于貝葉斯和支持向量機的釣魚網(wǎng)站檢測方法[J];計算機工程與應用;2015年04期

2 莊蔚蔚;葉艷芳;李濤;姜青山;;基于分類集成的釣魚網(wǎng)站智能檢測系統(tǒng)[J];系統(tǒng)工程理論與實踐;2011年10期

3 周誠誠;張代遠;;利用圖像識別技術過濾海量可疑釣魚網(wǎng)站[J];計算機技術與發(fā)展;2012年11期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 莊蔚蔚;姜青山;;惡意軟件鑒別技術及其應用[J];集成技術;2012年01期

2 周三奇;陳佳;張宏科;;互聯(lián)網(wǎng)能耗和性能優(yōu)化的權衡模型[J];系統(tǒng)工程理論與實踐;2014年08期

3 劉少彬;彭慧波;藺華慶;王全紅;;基于網(wǎng)絡蜘蛛和LD算法的釣魚網(wǎng)站檢測技術[J];自動化與儀器儀表;2015年06期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 郭敏哲;袁津生;王雅超;;網(wǎng)絡釣魚Web頁面檢測算法[J];計算機工程;2008年20期

2 張衛(wèi)豐;周毓明;許蕾;徐寶文;;基于匈牙利匹配算法的釣魚網(wǎng)頁檢測方法[J];計算機學報;2010年10期

3 劉萬里;劉三陽;薛貞霞;;不平衡支持向量機的平衡方法[J];模式識別與人工智能;2008年02期

4 李強;張鈸;;一種基于圖像灰度的快速匹配算法[J];軟件學報;2006年02期

5 李佟鴻;麥永浩;;網(wǎng)絡釣魚犯罪技術分析與對策研究[J];信息網(wǎng)絡安全;2011年04期

6 黃華軍;錢亮;王耀鈞;;基于異常特征的釣魚網(wǎng)站URL檢測技術[J];信息網(wǎng)絡安全;2012年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

，

本文編號：1115114