一直以來(lái),病毒和木馬被看作是危害網(wǎng)絡(luò)安全的主要因素,然而隨著互聯(lián)網(wǎng)廣泛的使用,網(wǎng)絡(luò)釣魚作為一種新興的攻擊形式,正呈現(xiàn)逐年上升的趨勢(shì),憑借網(wǎng)絡(luò)釣魚方式進(jìn)行欺騙的行為也越來(lái)越猖獗。這種“網(wǎng)絡(luò)釣魚”欺詐形式利用高仿真的網(wǎng)站,以假亂真,竊取網(wǎng)絡(luò)用戶的私人信息,甚至金融信息,進(jìn)而獲取相應(yīng)的商業(yè)利益,嚴(yán)重威脅著網(wǎng)絡(luò)在線交易和電子商務(wù)。 目前,主要的反釣魚技術(shù),有黑名單庫(kù)檢測(cè)和利用頁(yè)面相似度檢測(cè)。但是黑名單檢測(cè)具有滯后性,頁(yè)面相似度檢測(cè)存在檢出率低的缺陷。在深入分析釣魚網(wǎng)站和綜合現(xiàn)存的反釣魚技術(shù)之后,設(shè)計(jì)了一種檢出率高、誤報(bào)率低的基于余弦定理頁(yè)面相似度匹配的網(wǎng)絡(luò)釣魚檢測(cè)系統(tǒng),增加了域名黑名單模塊和基于URL拼接的未知釣魚檢測(cè)模塊,其中域名黑名單提高了系統(tǒng)檢出率。提出了基于支持向量機(jī)(SVM)的特征模板分類的設(shè)計(jì)方案,提高了模板分類效率和準(zhǔn)確率。本文的主要工作包括： 1、基于余弦定理的頁(yè)面相似度匹配 將Html轉(zhuǎn)換成對(duì)應(yīng)的DOM樹結(jié)構(gòu),進(jìn)行分詞和去除噪聲處理,使用TF-IDF算法提取DOM樹中分值高的詞作為特征詞,然后,用余弦定理計(jì)算該頁(yè)面與特征模板的相似度,設(shè)定一個(gè)閾值,判定是否為釣魚網(wǎng)站。 2、基...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 課題的研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀和意義
    1.3 本文工作
    1.4 本文組織結(jié)構(gòu)
第二章 反釣魚相關(guān)技術(shù)
    2.1 知識(shí)庫(kù)檢測(cè)
    2.2 URL特征檢測(cè)
    2.3 網(wǎng)頁(yè)相似度檢測(cè)
        2.3.1 文本相似度檢測(cè)
        2.3.2 視覺(jué)相似度檢測(cè)
    2.4 本章小結(jié)
第三章 基于SVM特征模板分類的設(shè)計(jì)
    3.1 特征模板的來(lái)源與結(jié)構(gòu)
    3.2 網(wǎng)頁(yè)文本解析
    3.3 預(yù)處理
    3.4 提取特征詞
    3.5 SVM分類模型
    3.6 本章小結(jié)
第四章 反釣魚系統(tǒng)的設(shè)計(jì)
    4.1 反釣魚系統(tǒng)架構(gòu)
    4.2 模塊設(shè)計(jì)
        4.2.1 預(yù)處理模塊
        4.2.2 URL特征檢測(cè)模塊
        4.2.3 相似度匹配模塊
        4.2.4 未知檢測(cè)模塊
        4.2.5 驗(yàn)證反饋模塊
    4.3 本章小結(jié)
第五章 反釣魚系統(tǒng)的實(shí)現(xiàn)和測(cè)試
    5.1 系統(tǒng)實(shí)現(xiàn)
        5.1.1 預(yù)處理模塊的實(shí)現(xiàn)
        5.1.2 URL特征檢測(cè)模塊的實(shí)現(xiàn)
        5.1.3 相似度匹配模塊的實(shí)現(xiàn)
        5.1.4 未知檢測(cè)模塊的實(shí)現(xiàn)
        5.1.5 驗(yàn)證反饋模塊的實(shí)現(xiàn)
    5.2 系統(tǒng)測(cè)試與分析
    5.3 本章小結(jié)
結(jié)束語(yǔ)
參考文獻(xiàn)
致謝



本文編號(hào)：3845908