基于聯(lián)合特征的釣魚(yú)網(wǎng)頁(yè)分類(lèi)方法

1、基于聯(lián)合特征的釣魚(yú)網(wǎng)頁(yè)分類(lèi)方法基于聯(lián)合特征的釣魚(yú)網(wǎng)頁(yè)分類(lèi)方法賈雪鵬容曉峰摘要本文系統(tǒng)地描述了一種基于聯(lián)合特征的釣魚(yú)網(wǎng)頁(yè)檢測(cè)方法。提取了41項(xiàng)特征作為基礎(chǔ)特征，結(jié)合信息增益和遞歸特征刪除兩種方法的排序結(jié)果計(jì)算特征重要度。引入聯(lián)合特征率R（0【關(guān)鍵詞】機(jī)器學(xué)習(xí)釣魚(yú)網(wǎng)頁(yè)檢測(cè)聯(lián)合特征最優(yōu)分類(lèi)模型1簡(jiǎn)介釣魚(yú)網(wǎng)頁(yè)攻擊指騙者制作的一個(gè)模仿合法組織網(wǎng)站的網(wǎng)頁(yè)，將引誘用戶(hù)訪(fǎng)問(wèn)這個(gè)網(wǎng)頁(yè)，并在網(wǎng)頁(yè)上呈現(xiàn)出請(qǐng)求用戶(hù)私密信息的輸入字段，如登錄個(gè)人網(wǎng)上銀行賬戶(hù)的詳

2、細(xì)信息。網(wǎng)絡(luò)釣魚(yú)攻擊危害嚴(yán)重，在全球范圍內(nèi)，存在至少255，065次獨(dú)立的網(wǎng)絡(luò)釣魚(yú)攻擊。同比2015年發(fā)現(xiàn)的230，280次攻擊增加了超過(guò)10%。因此網(wǎng)絡(luò)釣魚(yú)防護(hù)和預(yù)測(cè)愈發(fā)成為網(wǎng)絡(luò)安全領(lǐng)域乃至整個(gè)互聯(lián)網(wǎng)發(fā)展的研究重點(diǎn)。綜上所述，論文主要針對(duì)釣魚(yú)網(wǎng)頁(yè)檢測(cè)研究一種基于聯(lián)合特征的機(jī)器學(xué)習(xí)分類(lèi)方法，探究特征種類(lèi)和數(shù)量對(duì)機(jī)器學(xué)習(xí)分類(lèi)模型的影響。為了提取最具網(wǎng)頁(yè)表示性的特征，從三種來(lái)源進(jìn)行提?。海?）URL鏈接特征。研究最多的是提取URL詞匯和主機(jī)

3、特征；（2）網(wǎng)頁(yè)內(nèi)容特征。網(wǎng)頁(yè)內(nèi)容決定了網(wǎng)頁(yè)的性質(zhì)，對(duì)于網(wǎng)頁(yè)內(nèi)容的特征分為兩個(gè)部分：頁(yè)面結(jié)構(gòu)特征和頁(yè)面文本特征。（3）第三方服務(wù)信息特征。例如WHOIS信息和網(wǎng)頁(yè)排名。3.1數(shù)據(jù)集論文從PhishTank中提取釣魚(yú)網(wǎng)頁(yè)樣本，從DMOZ中提取合法網(wǎng)頁(yè)樣本。將收集到的釣魚(yú)網(wǎng)頁(yè)和合法網(wǎng)頁(yè)數(shù)據(jù)拆分成訓(xùn)練集（釣魚(yú)網(wǎng)頁(yè)15000；合法網(wǎng)頁(yè)20000）和測(cè)試集（釣魚(yú)網(wǎng)頁(yè)2000；合法網(wǎng)頁(yè)2000）兩部分。3.2最優(yōu)分類(lèi)模型3.2.1基于基礎(chǔ)特征的模型

4、對(duì)比邏輯回歸、隨機(jī)森林、Adaboost、神經(jīng)網(wǎng)絡(luò)四種最優(yōu)參數(shù)模型的ROC_AUC值，曲線(xiàn)覆蓋面積越大表明模型分類(lèi)能力越強(qiáng)。各種模型對(duì)釣魚(yú)網(wǎng)頁(yè)的分類(lèi)能力（F1值）：隨機(jī)森林0.978神經(jīng)網(wǎng)絡(luò)MLP0.968Adaboost0.960邏輯回歸0.887。隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)MLP兩種非線(xiàn)性模型的表現(xiàn)明顯更加優(yōu)秀；而屬于線(xiàn)性模型的邏輯回歸表現(xiàn)不佳。3.2.2基于聯(lián)合特征的模型對(duì)比測(cè)試上節(jié)中四種最優(yōu)參數(shù)模型在不同聯(lián)合特征率R下的模型分類(lèi)質(zhì)量。表