【摘要】：隨著互聯網的發(fā)展、數據交換的頻繁,信息交互之間的安全就變得尤為重要。釣魚攻擊手段由于其存活短、危害大的特點,已然成為增長速度最快的網絡攻擊方式。網絡釣魚攻擊是一種利用社會工程學和技術欺騙來獲取用戶身份數據和金融賬戶數據的攻擊手段。最常見的方式就是在網絡上向用戶發(fā)送偽造網站鏈接并誘惑用戶點擊,在用戶沒有授權的情況下監(jiān)控和攔截用戶的隱私信息,從而給用戶帶來巨大的經濟損失。因此,建立一種快速檢測和處理釣魚網站的機制能夠及時有效制止釣魚攻擊帶來的危害。由于傳統的釣魚網站檢測技術缺乏大規(guī)模數據集的主動學習能力,機器學習算法的自主提取特征已經成為主流檢測技術。該檢測方法的關鍵在于特征的構建和分類算法的選擇。本文對檢測釣魚網站的相關特征進行深入研究。由于釣魚網站的特征多種多樣,人工提取的特征往往依賴于經驗知識,這就或導致一些特征不能有效分辨出釣魚網站,還會帶來檢測效率低下的問題。然而,這些無用的特征也會影響機器學習模型的訓練效果,從而導致訓練好的模型無法精確預測和檢測釣魚網站。機器學習算法模型在檢測釣魚網站也會表現出不同的效果,本文通過實驗對比常用的機器學習模型的分類效果,選擇更為高效的神經網絡模型作為檢測框架的算法模型�；谝陨戏治�,本文在最優(yōu)特征選擇方法的基礎上,提出了一種有效的神經網絡檢測模型OFS-NN(Optimal Feature Selection-Neural Network)來檢測釣魚網站。本文的主要工作如下:(1)在分析了當前存在的網絡釣魚技術的原理和現有的釣魚網站檢測模型優(yōu)點和存在的缺陷的基礎上,并通過對比各種機器學習檢測模型,得出適合釣魚網站的神經網絡分類模型。神經網絡模型具有高精度、較強的魯棒性和對噪聲數據有較強的容錯能力。此外,神經網絡模型能夠模擬復雜的非線性關系和較好的學習能力,并可以預測出未知類型的釣魚網站。(2)本文主要通過提取網站的URL信息、HTML信息和DNS等信息提取相應的敏感特征。但無用的特征會影響模型的檢測效果和效率,針這一問題本文提出一個最優(yōu)特征選擇指標FVV(Feature Validity Value)剔除無用特征。在計算每個特征有效值的基礎上,設置閾值以消除一些無用的特征來選擇適合訓練機器學習算法的最優(yōu)特征集合。與Gain(信息增益)指標進行實驗對比,所提出的指標有較好的特征選擇能力。本文在FVV指標的基礎上給出最優(yōu)特征選擇算法,提高了模型訓練過程和檢測過程的性能。(3)本文結合最優(yōu)特征提取算法和神經網絡算法,提出一個基于最優(yōu)特征的神經網絡釣魚檢測模型OFS-NN。本文通過選擇最優(yōu)特征集合,構建最優(yōu)的神經網絡分類器對釣魚網站進行分類和預測。并且在對釣魚網站檢測時引入黑白名單機制提高檢測效率。實驗結果表明,所提出的OFS-NN模型為網絡釣魚網站的預測和檢測提供了有效的解決方案。該模型具有較高的精度和強大的泛化能力,能夠有效地識別出多種釣魚網站類型。
【圖文】：

釣魚網站的頻繁出現，己經嚴重影響了金融服務彳／業(yè)的發(fā)展，使互聯網用戶逡逑遭受了巨大的損失。根據反釣魚工作組（Ａｎｔｉ－Ｐｈｉｓｈｉｎｇ邋Ｗｏｒｋｉｎｇ邋Ｇｒｏｕｐ，，邋ＡＰＷＧ）１１１逡逑的報告顯示，網絡釣魚事件一直在持續(xù)增加。圖１．３顯示的是該組織在２０１７年逡逑ＩＩ月至２０１８年１２月期間確認的全球的網絡釣＆奉件數設。逡逑１＾００００邐１１３８９７逡逑ｍ邋１００３８２逡逑１０００００邐８８７５４邋Ｉ邋■邋８１２５７逡逑）６０２３２邋＠邋５７３１７邋６５５０９邋６０．９２６邋６０８８７邋＿＿邋畫蜃逡逑２山丨川山ＩｈＴｉ逡逑＾邐．Ｓ＂邋ｃＳ＇邋Ａ＂邋＾邋Ａ＇邋＾邋＾邋＾邋Ａ＂逡逑＾邋＾邋＾／邋＃邋＃邋＃逡逑ｆ邋＃邋．＂少邋ａ．邋＃邋Ｆ邋ｎ？令邋９邋Ｃ邋令個＇邋Ｐ邋ｆ逡逑ｖ邋ｌ邐ｌ逡逑圖１．１邋２０１７年７月至２０１８年９月期間的ＡＰＷＧ釣魚網站報告．逡逑Ｆｉｇ邋１．１邋ＡＰＷＧ邋Ｐｈｉｓｈｉｎｇ邋Ｒｅｐｏｒｔ邋ｆｒｏｍ邋Ｊｕｌｙ邋２０１７邋ｔｏ邋Ｓｅｐｔｅｍｂｅｒ邋２０１８．逡逑此外，根據中國反釣魚網站聯盟（Ａｎｔｉ－Ｐｈｉｓｈｉｎｇ邋Ａｌｌｉａｎｃｅ邋ｏｆ邋Ｃｈｉｎａ，ＡＰＡＣ）Ｉ２１的逡逑報告，釣魚網站主要涉及三類行業(yè)．？電子商務、交易支付和金融證券。截至２０１８逡逑年１２月份，該組織己經識別處理了邋４３５１３９個釣魚網站。在２０１８年１１邋Ｊ］份的釣逡逑魚網站報告中

釣魚攻擊者往往會精心模仿合法網站，讓偽造的網站與原網站產生很大的相逡逑似性，以此來誤導用戶訪問。為了更好地防范釣魚攻擊，就需要進一步了解釣魚逡逑攻擊的原理和大致流程。具體的釣魚攻擊流程如圖２．１所示：（１）攻擊者通過申逡逑請域名ＤＮＳ，模仿合法網頁來構造和仿冒相似的網頁，進而建造假冒網站和偽逡逑造釣魚網站鏈接。（２）攻擊者通過郵件、短信或社交網絡向用戶散布大量虛假鏈逡逑１０逡逑
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.08;TP183

【相似文獻】

相關期刊論文 前10條

1 ;嚴正聲明[J];中國輸血雜志;2019年07期

2 郭萍;;釣魚網站的鑒別方法與防范策略研究[J];學術問題研究;2012年01期

3 郭萍;;釣魚網站的鑒別方法與防范策略研究[J];湖北水利水電職業(yè)技術學院學報;2012年03期

4 陳煒宏;;基于決策樹模型的構建方法及預測能力的分析——以釣魚網站為例[J];通訊世界;2018年12期

5 ;嚴正聲明[J];中國輸血雜志;2018年01期

6 ;嚴正聲明[J];中國輸血雜志;2018年04期

7 楊云;徐光俠;雷娟;;基于屬性降維的釣魚網站檢測方法[J];重慶郵電大學學報(自然科學版);2018年04期

8 李江豐;王瑋;;釣魚網站的識別與分析方法研究[J];通信管理與技術;2018年03期

9 技術宅;;你是這樣上鉤的? 解密新型釣魚網站[J];電腦愛好者;2017年11期

10 樸正榮;;網絡釣魚網站的技術原理與抵御措施[J];物聯網技術;2016年02期

相關會議論文 前4條

1 張豐;;反釣魚監(jiān)控體系建設探討[A];第二屆全國信息安全等級保護技術大會會議論文集[C];2013年

2 李晨;陳星霖;;一種多階段控制方法在對抗釣魚攻擊中的應用[A];第26次全國計算機安全學術交流會論文集[C];2011年

3 方鳴;;互聯網釣魚網站處理系統組網[A];中國通信學會信息通信網絡技術委員會2015年年會論文集[C];2015年

4 李增剛;;計算機病毒:尋租視角的分析[A];2011年（第九屆）“中國法經濟學論壇”論文集[C];2011年

相關重要報紙文章 前10條

1 秦偉;反釣聯盟累計處理釣魚網站72733個[N];科學時報;2011年

2 本報記者 來揚　實習生 郝帥;網購火車票：釣魚網站騙錢新招術[N];中國青年報;2012年

3 石磊;一億人次網民遭釣魚網站侵襲“云攻擊”正成為現實[N];科學時報;2011年

4 本報記者 王俊秀　實習生 翟璐;釣魚網站出沒,網購請注意[N];中國青年報;2011年

5 江舟 范通廣;釣魚網站，“釣”了上百萬[N];檢察日報;2019年

6 本報記者 黃鑫;釣魚網站成網絡詐騙主渠道[N];經濟日報;2019年

7 魯暢;北京重拳打擊釣魚網站[N];中國質量報;2019年

8 實習生 盧義杰 本報記者 陳璐;釣魚網站與網購狂歡如影隨形[N];中國青年報;2012年

9 記者 王曉潔 郭宇靖 盧國強;信息“黑市”為何如此猖獗？[N];經濟參考報;2017年

10 北京商報記者 孫麒翔 石飛月;釣魚網站遭國家急收網[N];北京商報;2017年

相關博士學位論文 前1條

1 張健毅;大規(guī)模反釣魚識別引擎關鍵技術研究[D];北京郵電大學;2012年

相關碩士學位論文 前10條

1 劉博文;基于改進TCD圖像檢索和分類的釣魚檢測模型的研究[D];中國礦業(yè)大學;2019年

2 王雨琪;基于URL的釣魚目標識別的研究[D];中國礦業(yè)大學;2019年

3 朱琪;基于頁面特征的釣魚網站層次化檢測的研究[D];中國礦業(yè)大學;2019年

4 王文騰;基于線性SVM的釣魚網站檢測系統的設計與實現[D];北京建筑大學;2019年

5 葉成成;基于最優(yōu)特征選擇和神經網絡的釣魚網站檢測研究[D];安徽大學;2019年

6 黃炎;基于智能算法的釣魚網站識別研究[D];長春工業(yè)大學;2019年

7 潘良敏;基于GIST全局特征的釣魚網站聚類算法研究[D];中南林業(yè)科技大學;2018年

8 趙佳琪;基于數據挖掘分類算法的釣魚網站檢測研究[D];內蒙古財經大學;2018年

9 鄧娜;基于QR二維碼釣魚網站的識別系統研究[D];長安大學;2018年

10 韓浩;基于云計算的釣魚網站檢測研究[D];中國礦業(yè)大學;2018年

本文編號：2665430