本文關(guān)鍵詞：客戶端釣魚網(wǎng)站智能檢測系統(tǒng)的設(shè)計與實現(xiàn)

  更多相關(guān)文章： 釣魚網(wǎng)頁檢測 網(wǎng)頁特征提取 支持向量機(jī) 網(wǎng)絡(luò)爬蟲

【摘要】：釣魚網(wǎng)頁是一種常見的網(wǎng)絡(luò)攻擊,它通過模仿真實頁面的文本、圖片和行為等特征,從而達(dá)到假冒合法網(wǎng)站的目的,以此詐取用戶的信任,繼而竊取個人賬戶信息或其他隱私信息。隨著網(wǎng)上購物的熱潮,釣魚攻擊也更加頻繁,它所帶來的危害也越來越嚴(yán)重,反釣魚技術(shù)便顯得愈加重要。釣魚網(wǎng)頁特征檢測作為一種新型的反釣魚措施與技術(shù)受到了普遍的關(guān)注和重視。本文提出一種基于SVM分類器的釣魚網(wǎng)頁特征智能檢測技術(shù),在分析和提取網(wǎng)頁內(nèi)容特征的基礎(chǔ)上,用SVM分類器模型分類檢測并識別釣魚網(wǎng)頁。首先,由于網(wǎng)頁內(nèi)容特征的選擇是影響釣魚網(wǎng)頁檢測結(jié)果的關(guān)鍵要素,論文全面分析并提取網(wǎng)頁的各種類型的特征,然后通過具體實驗進(jìn)一步驗證哪些特征組合最能高效地區(qū)分虛假和真實網(wǎng)站,從而提高系統(tǒng)對虛假網(wǎng)站的識別率。其次由于提取特征是一個很耗時的工作,為進(jìn)一步縮短提取特征所消耗的CPU時間,本文采用了多線程網(wǎng)絡(luò)爬蟲,實現(xiàn)了多線程并發(fā)特征提取。最后用大量的正常網(wǎng)站以及虛假網(wǎng)站進(jìn)行檢測實驗,利用SVM分類器訓(xùn)練出一個檢測模型,進(jìn)而用以識別虛假網(wǎng)站。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.092

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

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

2 陳冰梅;樊曉平;周志明;李雪榮;;支持向量機(jī)原理及展望[J];制造業(yè)自動化;2010年14期

3 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)[J];自動化學(xué)報;2000年01期

4 林海霞;司海峰;張微微;;基于Java技術(shù)的主題網(wǎng)絡(luò)爬蟲的研究與實現(xiàn)[J];微型電腦應(yīng)用;2009年02期

5 褚德坤;;網(wǎng)絡(luò)釣魚現(xiàn)狀與對策——訪國家計算機(jī)病毒應(yīng)急處理中心常務(wù)副主任 張健[J];信息網(wǎng)絡(luò)安全;2006年05期

6 歐陽柳波,李學(xué)勇,李國徽,王鑫;網(wǎng)絡(luò)蜘蛛搜索策略進(jìn)展研究[J];小型微型計算機(jī)系統(tǒng);2005年04期

7 袁勛;吳秀清;洪日昌;宋彥;華先勝;;基于主動學(xué)習(xí)SVM分類器的視頻分類[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2009年05期

，

本文編號：1193058