本文選題：釣魚檢測　切入點：支持向量機(SVM)　出處：《重慶郵電大學學報(自然科學版)》2017年06期 　論文類型：期刊論文

【摘要】：針對金融服務(wù)領(lǐng)域面臨的嚴峻信息安全挑戰(zhàn),以及現(xiàn)有釣魚網(wǎng)頁檢測方法的不足,提出一種基于支持向量機(support vector machine,SVM)的金融類釣魚網(wǎng)頁檢測方法。采用網(wǎng)頁渲染去除常見的頁面特征偽裝,提取統(tǒng)一資源定位符(uniform resource locator,URL)信息特征、頁面文本特征、頁面表單特征以及頁面logo圖像特征,構(gòu)建特征向量訓練SVM分類器模型,實現(xiàn)對金融類釣魚網(wǎng)頁的識別。在特征提取過程中,利用適合中文的多模式匹配算法AC_SC(AC suitable for chinese)提高文本匹配效率,并采用加速魯棒特征(speeded-up robust feature,SURF)算法實現(xiàn)logo圖像的特征提取與匹配。多方法實驗結(jié)果對比表明,該方法針對性更強,能達到99.1%的檢測準確率、低于0.86%的誤報率。
[Abstract]:In view of the serious information security challenges faced by the financial services sector, as well as the shortcomings of the existing phishing web page detection methods, This paper presents a new method for detecting financial phishing pages based on support vector machine (SVM) support vector machine (SVM), which uses web page rendering to remove common page feature camouflage, and extracts uniform resource locator URL information features and page text features. Page form features and page logo image features, feature vector training SVM classifier model is constructed to realize the recognition of financial phishing pages. AC_SC(AC suitable for chineseis used to improve the text matching efficiency, and the speeded-up robust feature surf algorithm is used to realize the feature extraction and matching of logo images. The experimental results show that the proposed method is more specific. Can achieve 99.1% detection accuracy, less than 0.86% false alarm rate.
【作者單位】： 中國移動研究院;重慶郵電大學自動化學院;
【基金】：教育部—中國移動聯(lián)合研究基金(MCM20150202)~~
【分類號】：TP393.08

【相似文獻】

相關(guān)期刊論文 前10條

1 高晶輝;;基于SVM的網(wǎng)絡(luò)入侵檢測系統(tǒng)模型分析[J];牡丹江師范學院學報(自然科學版);2010年04期

2 程學云;徐慧;朱玲玲;;基于SVM的分布式入侵檢測系統(tǒng)[J];南通大學學報(自然科學版);2008年03期

3 李漢彪;劉淵;;一種SVM入侵檢測的融合新策略[J];計算機工程與應(yīng)用;2012年04期

4 馬翔;李展;;基于模糊處理和上下文敏感SVM的協(xié)同過濾推薦新方法[J];電腦知識與技術(shù);2010年06期

5 柴志成;;一種基于SVM的網(wǎng)絡(luò)異常流量檢測新方法[J];貴陽學院學報(自然科學版);2008年01期

6 段丹青;陳松喬;楊衛(wèi)平;;基于SVM主動學習算法的網(wǎng)絡(luò)入侵檢測系統(tǒng)[J];計算機工程與科學;2006年04期

7 谷雨;基于增量式SVM的入侵檢測研究[J];云南民族大學學報(自然科學版);2005年03期

8 高會生;郭愛玲;;組合核函數(shù)SVM在網(wǎng)絡(luò)安全風險評估中的應(yīng)用[J];計算機工程與應(yīng)用;2009年11期

9 邱婧;夏靖波;柏駿;;基于SVM決策樹的網(wǎng)絡(luò)流量分類[J];電光與控制;2012年06期

10 汪會玲;;一種基于SVM的電子商務(wù)網(wǎng)站服務(wù)質(zhì)量監(jiān)控模型[J];情報雜志;2008年06期

相關(guān)會議論文 前5條

1 劉秉權(quán);李博;孫林;王寶勛;劉遠超;;標簽特征和正文特征融合的SVM博客文本分類算法研究[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

2 鐘淑瑛;李陶深;張敏;;一種基于PCA技術(shù)的入侵檢測特征提取方法[A];廣西計算機學會2005年學術(shù)年會論文集[C];2005年

3 周俊臨;傅彥;聶琨坤;;自適應(yīng)網(wǎng)格數(shù)據(jù)的分布式特征提取研究[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 程克勤;周健;;一種P2P流特征提取方法[A];第六屆中國測試學術(shù)會議論文集[C];2010年

5 孫利;吳儉濤;;利用色彩營造網(wǎng)頁形象時需關(guān)注的幾點問題[A];色彩科學應(yīng)用與發(fā)展——中國科協(xié)2005年學術(shù)年會論文集[C];2005年

相關(guān)碩士學位論文 前10條

1 劉芳正;基于SVM的入侵檢測技術(shù)在醫(yī)院統(tǒng)一外聯(lián)平臺中的研究[D];北方工業(yè)大學;2017年

2 劉軍;基于SVM的半監(jiān)督網(wǎng)絡(luò)入侵檢測系統(tǒng)[D];復旦大學;2009年

3 張永俊;基于SVM的增量入侵檢測方法研究[D];西安科技大學;2013年

4 畢孝儒;基于粗糙集屬性約簡和加權(quán)SVM的入侵檢測方法研究[D];西安科技大學;2011年

5 李可可;基于SVM的微博情感傾向性分析研究[D];中原工學院;2014年

6 陳藝坤;基于粗糙集和增量SVM的入侵檢測方法研究[D];西安科技大學;2012年

7 康曉麗;基于信息熵與改進SVM的異常流量檢測研究[D];大連海事大學;2012年

8 羅杰;基于SVM的微博話題跟蹤方法及其應(yīng)用[D];北京理工大學;2015年

9 張洪軍;基于SVM的電子郵件分類系統(tǒng)研究[D];山東師范大學;2007年

10 馬建斌;基于SVM的中文電子郵件作者身份挖掘技術(shù)研究[D];河北農(nóng)業(yè)大學;2004年

，

本文編號：1633344