基于URL语言特征的钓鱼网站检测算法

论文摘要

为了应对钓鱼网站的检测逃避策略,提出一种基于URL语言特征的钓鱼网站检测算法。通过分析钓鱼网站和合法网站的URL在不同检测域上的差异,定义基元和敏感度来描述其语言特征。先根据基元对主级域名进行相似性检测,当相似性低于预先设定的阈值时,选取有效的子域名特征,利用随机森林算法对子域名的语言特征进行学习和检测。实验结果表明,该算法的准确率达95.6%,系统运行时间相对较小,平均识别时间小于1s。

论文目录

• 1 引言
• 2 基于URL结构的语言特征分析
•   2.1 URL检测域的选取
•   2.2 检测域的语言特征分析
•     2.2.1 主级域名的语言特征
•     2.2.2 子域名的语言特征
•   2.3 基元与敏感度
•     2.3.1 基元
•     2.3.2 敏感度
• 3 基于URL语言特征的检测算法
•   3.1 主级域名的语言特征检测
•   3.2 子域名的语言特征检测
•     3.2.1 子域名特征的定义
•     3.2.2 子域名特征的选择
•   3.3 检测算法
•     3.3.1 算法描述
•     3.3.2 算法分析
• 4 实验分析
•   4.1 数据集
•   4.2 相似性系数
•   4.3 子域名特征的分类效果
•   4.4 算法评估
• 5 结束语

文章来源

类型: 期刊论文

作者: 王雨琪,刘博文,林果园

关键词: 钓鱼网站,统一资源定位符,语言特征,基元,敏感度

来源: 计算机工程与应用 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,互联网技术

单位: 中国矿业大学计算机科学与技术学院,矿山数字化教育部工程研究中心,南京大学计算机软件新技术国家重点实验室

基金: 江苏省产学研前瞻性联合研究项目（No.BY2016026-04）,软件新技术国家重点实验室开放基金（No.KFKT2018B27）

分类号: TP393.092;TP391.1

页码: 84-90

总页数: 7

文件大小: 1595K

下载量: 266