近年來(lái),信息詐騙類安全事件數(shù)量快速增長(zhǎng)。一方面,釣魚(yú)網(wǎng)站傳播范圍更廣泛;另一方面,攻擊手段更趨于多樣化。如何全面準(zhǔn)確地監(jiān)測(cè)釣魚(yú)網(wǎng)站成了挑戰(zhàn)性的課題,受到了越來(lái)越多的關(guān)注。從釣魚(yú)網(wǎng)站本質(zhì)出發(fā),釣魚(yú)攻擊者為了使網(wǎng)頁(yè)在視覺(jué)上達(dá)到相似的效果,通常使用合法網(wǎng)站中的圖像元素進(jìn)行偽裝;同時(shí),在網(wǎng)頁(yè)中以圖片代替文字成為常見(jiàn)的規(guī)避檢測(cè)的手段。因此基于圖像相似性的釣魚(yú)檢測(cè)變得尤為重要。在圖像特征提取方面,SIFT算法具有良好的特性,其提取的特征具有尺度不變性,能較好的適應(yīng)釣魚(yú)頁(yè)面多變的情況。但在某些因素影響下,若一張圖片中存在大量形狀相似的區(qū)域,在使用SIFT進(jìn)行圖像匹配時(shí)會(huì)產(chǎn)生一定的誤匹配點(diǎn)。為了解決這個(gè)問(wèn)題,本文提出了一個(gè)新匹配算法,該方法在對(duì)特征進(jìn)行匹配時(shí)加入幾何一致性約束,剔除掉鄰域斜率不相似的點(diǎn),同時(shí)加入Pearson相關(guān)系數(shù)約束,對(duì)特征向量進(jìn)行進(jìn)一步篩選,有效地改善了原始匹配算法約束小,沒(méi)有考慮空間幾何約束信息的問(wèn)題。對(duì)比改進(jìn)前后的匹配算法,分別對(duì)經(jīng)過(guò)噪聲,旋轉(zhuǎn)縮放、光照變化以及圖像視角變化后的圖像進(jìn)行匹配,結(jié)果表明,改進(jìn)后的匹配算法有效的降低了誤配率,與原始SIFT算法相比,誤配率降低4～6... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

的幼冤卻場(chǎng)年鈞魚(yú)網(wǎng)站戴皿分布

據(jù)《全球中文釣魚(yú)網(wǎng)站現(xiàn)狀統(tǒng)計(jì)分析報(bào)告（２０１６年）》⑴數(shù)據(jù)顯示，在２０１６??年，通過(guò)舉報(bào)和自主檢測(cè)等方式被識(shí)別的釣魚(yú)網(wǎng)站有１４７２１１例，每月約有１２２６８??個(gè)釣魚(yú)網(wǎng)站被識(shí)別。圖１．１是２０１２年至２０１６年期間，釣魚(yú)網(wǎng)站數(shù)量發(fā)展趨勢(shì)，??從圖中可以看出，釣魚(yú)網(wǎng)站數(shù)量雖存在波動(dòng)，但整體上呈現(xiàn)上升趨勢(shì)，并在２０１６??年到達(dá)峰值，較上一年網(wǎng)絡(luò)釣魚(yú)數(shù)量增長(zhǎng)了近１５０．９６％。??１６００００?１４７２１１??１４００００?，，??１２００００??１０００００?－?／??８００００?７０４８３?／＊＇??６００００?一，?？＾＾一，．４??４０００Ｃ－??２００００??２０１２?２０１３?２０１４?２０１Ｓ?２０１６??圖１．１?２０１２運(yùn)２０１６牽釣魚(yú)網(wǎng)站數(shù)量分希??Ｆｉｇ．１．１?Ｎｕｍｂｅｒ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｐｈｉｓｈｉｎｇ?ｆｒｏｍ?２０１２?ｔｏ?２０１６??由圖１．２可知，釣魚(yú)網(wǎng)站攻擊目標(biāo)排名前三的行業(yè)分別為支付、網(wǎng)絡(luò)金融、??１??

２反釣魚(yú)相關(guān)技術(shù)分析??２．１黑白名單釣魚(yú)檢測(cè)技術(shù)??基于黑白名單的檢測(cè)是通過(guò)判斷未知ＵＲＬ能否成功匹配黑白名單個(gè)網(wǎng)站是否是合法網(wǎng)。知識(shí)庫(kù)中包含正常網(wǎng)站和非正常網(wǎng)站，白名單網(wǎng)站一般來(lái)源于網(wǎng)絡(luò)爬蟲(chóng)或人工收集，非正常網(wǎng)站即所謂的黑名單一人工舉報(bào)、審查、用戶群的評(píng)級(jí)、ＡＰＷＧ?（Ａｎｔｉ－Ｐｈｉｓｈｉｎｇ?Ｗｏｒｋｉｎｇ?Ｇｒｏｕｐ）（Ａｎｔｉ－Ｐｈｉｓｈｉｎｇ?Ａｌｌｉａｎｃｅ?ｏｆ?Ｃｈｉｎａ）或己驗(yàn)證通過(guò)的釣魚(yú)網(wǎng)站。安全廠黑白名單記錄成ＭＤ５值，以防止錯(cuò)誤標(biāo)記，保證信息的正確性。對(duì)比的地址與黑名單中的ＵＲＬ，如果命中，則判定該網(wǎng)站為釣魚(yú)網(wǎng)站。如問(wèn)地址被白名單命中，則允許訪問(wèn)。黑白名單過(guò)濾模塊主要包括對(duì)待行去重和規(guī)范化處理，然后按照黑名單、白名單以及路徑黑名單順序２．１是基于黑白名的釣魚(yú)流圖。??

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林算法的用電負(fù)荷預(yù)測(cè)研究[J]. 李婉華,陳宏,郭昆,郭松榮,韓嘉民,陳羽中.  計(jì)算機(jī)工程與應(yīng)用. 2016(23)
[2]基于圖和LDA主題模型的關(guān)鍵詞抽取算法[J]. 劉嘯劍,謝飛,吳信東.  情報(bào)學(xué)報(bào). 2016 (06)
[3]多特征分類識(shí)別算法融合的網(wǎng)絡(luò)釣魚(yú)識(shí)別技術(shù)[J]. 徐歡瀟,徐慧,雷麗婷.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[4]基于SURF算法的Android惡意應(yīng)用釣魚(yú)登錄界面檢測(cè)[J]. 徐強(qiáng),梁彬,游偉,石文昌.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[5]基于超圖的文本摘要與關(guān)鍵詞協(xié)同抽取研究[J]. 莫鵬,胡珀,黃湘冀,何婷婷.  中文信息學(xué)報(bào). 2015(06)
[6]基于AdaCostBoost算法的網(wǎng)絡(luò)釣魚(yú)檢測(cè)[J]. 曾傳璜,李思強(qiáng),張小紅.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(09)
[7]基于SVM-RFE的釣魚(yú)網(wǎng)頁(yè)檢測(cè)方法研究[J]. 王婷,彭勇,戴忠華,伊勝偉,韓蘭勝.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S2)
[8]詞語(yǔ)位置加權(quán)TextRank的關(guān)鍵詞抽取研究[J]. 夏天.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2013(09)
[9]基于高斯金字塔的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 屠禮芬,仲思東,彭祺,梅天燦.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(07)
[10]基于URL特征的Phishing檢測(cè)方法（英文）[J]. 曹玖新,董丹,毛波,王田峰.  Journal of Southeast University（English Edition）. 2013(02)

碩士論文
[1]基于內(nèi)容分析的信息安全過(guò)濾技術(shù)研究[D]. 楊曉懿.四川大學(xué) 2005



本文編號(hào)：3293685