基于網(wǎng)絡(luò)爬蟲(chóng)的虛假網(wǎng)頁(yè)主動(dòng)智能檢測(cè).pdf

1、網(wǎng)絡(luò)釣魚(yú)是通過(guò)給用戶(hù)投遞來(lái)自企業(yè)組織或者金融機(jī)構(gòu)的欺騙性垃圾郵件，引誘用戶(hù)泄露個(gè)人私密隱私信息的一種攻擊方式。最常見(jiàn)的方式是將用戶(hù)引誘到與目標(biāo)正常網(wǎng)頁(yè)十分類(lèi)似的虛假網(wǎng)頁(yè)上，并竊取受害者在其網(wǎng)頁(yè)上保存的個(gè)人私密信息。近幾年來(lái)隨著虛假網(wǎng)頁(yè)的危害越來(lái)越嚴(yán)重，虛假網(wǎng)頁(yè)檢測(cè)作為一種反釣魚(yú)技術(shù)與措施被人們廣泛關(guān)注。本文提出一種基于網(wǎng)絡(luò)爬蟲(chóng)的虛假網(wǎng)頁(yè)主動(dòng)智能檢測(cè)系統(tǒng)，在得到與目標(biāo)網(wǎng)站相似網(wǎng)頁(yè)的基礎(chǔ)上，通過(guò)提取相似網(wǎng)頁(yè)的特征并對(duì)特征向量利用Autoen

2、coder進(jìn)行降維預(yù)處理，最后再利用BVM分類(lèi)器檢測(cè)辨別虛假網(wǎng)頁(yè)。
　　首先，由于被動(dòng)檢測(cè)的滯后性，論文采用主動(dòng)檢測(cè)模式，即使用編輯距離計(jì)算出種子站點(diǎn)與目標(biāo)站點(diǎn)URL地址相似的網(wǎng)頁(yè)。其次，在得到相似網(wǎng)頁(yè)的基礎(chǔ)上，對(duì)這些網(wǎng)頁(yè)分別進(jìn)行特征提取，虛假網(wǎng)頁(yè)的檢測(cè)結(jié)果很大程度上取決于網(wǎng)站特征的提取，本文較全面的提取了網(wǎng)頁(yè)的文檔特征和拓?fù)涮卣?，并且充?shí)了特征元素的種類(lèi)，在對(duì)網(wǎng)頁(yè)的文本特征和源碼分析的基礎(chǔ)上，提出了更加準(zhǔn)確全面的虛假網(wǎng)頁(yè)特征向量

3、，然后利用Autoencoder對(duì)其特征向量進(jìn)行降維預(yù)處理，使處理后的特征向量更加符合分類(lèi)器的要求，并且提高了虛假網(wǎng)頁(yè)檢測(cè)的精度。再次，論文利用機(jī)器學(xué)習(xí)算法BVM構(gòu)建了虛假網(wǎng)頁(yè)主動(dòng)智能檢測(cè)分類(lèi)器，給出了基于BVM的虛假網(wǎng)頁(yè)的智能檢測(cè)的步驟和實(shí)驗(yàn)結(jié)果，并分析了算法的優(yōu)缺點(diǎn)。通過(guò)大量的實(shí)驗(yàn)，得出本文提出的基于BVM虛假網(wǎng)頁(yè)主動(dòng)智能檢測(cè)方法具有較高的精確度并且有較短的消耗時(shí)間。最后，本文用Java Web技術(shù)實(shí)現(xiàn)了一個(gè)基于網(wǎng)絡(luò)爬蟲(chóng)的虛假網(wǎng)頁(yè)主