基于特征筛选的轻量级层次化钓鱼网站的检测方法研究

针对传统方法难以对大规模钓鱼网站进行批量检测的问题,提出基于特征筛选的轻量级层次化检测方法(lightweight hierarchical detection method based on feature filtering,LHFF).该方法首先使用互信息对原始特征集进行筛选,剔除冗余特征,并将筛选后的特征按照提取特征耗时长短划分为URL特征和网站特征,然后根据划分后的特征,使用轻量级层次化检测框架对钓鱼网站进行检测.实验结果表明,LHFF能够在保障良好检测性能的前提下,减少网站检测所需要的时间,满足对大规模钓鱼网站进行批量检测的需求.

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzydxxb.cn/;(2)http://gzzydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzyydxxb.cn/;(2)http://gzzyydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzyydxxb.cn/;(2)http://gzzyydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!本刊已采用在线投稿,不接受邮箱投稿。本刊与作者联系的邮件为系统发送邮件,编辑部邮箱以网上公布的为准。并请作者注意,本刊来稿不收审稿费,录用后收取一定版面费。涉及到收取版面费的账号户名只有“广州中医药大学”,其他一切要求个人账号汇款者均为诈骗账户,切莫上当受骗。现网络鱼龙混杂,验证是否本刊真实网站的简单办法:1.本刊官方网站只有一个,从本刊正式发行的刊物版权页可识别。本刊“编辑部远程稿件处理系统”网址:http://xb.zyxy.com.cn。

基于Bi-LSMT结合注意力机制的钓鱼网站识别

随着互联网的普及,钓鱼网站是人们接触到最常见的网络犯罪类型之一,造成了巨大的经济损失、信息泄漏等危害。鉴于此,提出了一种基于双向长短记忆神经网络(Bi-LSTM)结合注意力机制模型来识别钓鱼网站。预处理之后的数据,采用Word2Vec模型构建词向量,通过Bi-LSTM进行特征提取,并使用注意力机制计算注意力权重,生成最终的特征向量,通过Sigmoid函数对网站类别分类。实验结果表明,所提出的模型在对钓鱼网站检测效果达到98.3%,能够有效应对此类攻击威胁,有助于维护网络空间安全体系。

随机森林算法在钓鱼网站检测中的应用

针对当前钓鱼网站检测算法检测准确率较低,自动化程度不高的问题,文章提出了利用随机森林方法与网站重要特征相结合的钓鱼网站检测方法。通过提取网站的重要特征,运用随机森林模型验证测试特征集。为了得到更为精确的结果,对分类器个数和最大特征数这两个模型参数进行优化,对比得出在实验特征集上表现更优的参数。实验结果表明,优化后的模型分类效果明显高于其他分类算法,检测钓鱼网站准确度更高。

钓鱼网站检测与取证的机器学习模型研究

网络诈骗呈现规模日增、形式多样、手段高超的特点,由于其不存在实体,钓鱼者往往通过互联网窃取公民信息用以牟利,受害者因缺少获取相关电子数据的手段,且无法及时联系所属侦查机关导致其难以维权,给其带来巨大损失。针对上述问题,提出了基于机器学习的钓鱼网站检测和取证模型,主要依靠URL过滤模块对网站URL的特征进行抽取与分析来实现前期过滤,后期分别采用随机森林和逻辑回归模型来做对比实验,结果显示随机森林分类器对钓鱼网站的识别效果更好,最后利用Puppeteer实现网页的相关取证功能。实验证明所提出的钓鱼网站检测与取证模型可以有效识别钓鱼网站,保护用户免于钓鱼网站诈骗,同时也能为公安机关提供相关电子证据。

钓鱼网站检测研究综述

随着互联网的不断发展,网络钓鱼规模日益扩大,形式多样,手段更加高超。其中,以钓鱼网站为形式的网络钓鱼规模迅速增长,对用户的数据安全和财产安全构成了严重威胁。因此,目前在网络安全领域,针对钓鱼网站的检测成为研究的焦点。文章围绕基于黑名单检测、基于启发式检测以及基于机器学习检测介绍了相关的钓鱼网站检测技术,并分析了目前钓鱼网站识别检测技术的研究现状。

基于Stacking集成结构的钓鱼网站识别

快速且高效地识别钓鱼网站是非常有必要的,可以帮助人们有效避免钓鱼网站引起的网络安全威胁。提出一种基于Stacking集成模型对钓鱼网站进行识别的模型。首先对数据预处理,再利用XGBoost算法进行最优特征集筛选,建立单一模型和Stacking集成模型,同时使用分层交叉验证和网格搜索对算法参数进行调节。实验结果表明,基于Stacking集成结构对钓鱼网站的识别准确率达到了97.96%,AUC值为0.9801,该方法相比其他单一分类器具有更高的识别能力。

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzydxxb.cn/;(2)http://gzzydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!本刊已采用在线投稿,不接受邮箱投稿。

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzyydxxb.cn/;(2)http://gzzyydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzydxxb.cn/;(2)http://gzzydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!

警示:钓鱼网站http://www.gzzyydxxb.cn/为假冒本刊网站

尊敬的作者、读者、专家:现网上诈骗、虚假网站盛行,假冒本刊网站的钓鱼网站甚至冠以本刊官网实施诈骗,其中主要的诈骗网站有:(1)http://www.gzzyydxxb.cn/;(2)http://gzzyydxxb.yixue.org.cn/,其目的在于骗取作者的审稿费、版面费!请大家警惕!

利用图像识别技术过滤海量可疑钓鱼网站

网络钓鱼攻击(phishing,又称钓鱼攻击、网络钓鱼)作为一种主要基于互联网传播和实施的新兴攻击、诈骗的方式,正呈逐年上升之势,使广大用户和金融机构遭受到财产和经济损失。如何及时、有效地识别网络钓鱼相关的互联网风险,控制钓鱼攻击可能带来的影响,已经成为各金融机构当前亟待解决的问题。因此,各大银行、证券公司以及安全公司纷纷推出自己的反钓鱼监控服务,目前的反钓鱼技术普遍采取利用爬虫主动进行大范围互联网仿冒站点的搜素,爬取大量可疑钓鱼网站,并逐一对可疑钓鱼网站进行检测,判断其是否为钓鱼网站。面对海量可疑网站,如何高效快速地检测出可疑钓鱼网站又成为一个难题。文中介绍了一种基于图像识别技术的网站徽标(LOGO)检测的新思路,用于过滤海量的可疑钓鱼网站,加快钓鱼网站的检测效率。

基于贝叶斯和支持向量机的钓鱼网站检测方法

随着电子商务和在线交易的不断发展,钓鱼网站已成为目前最难处理的网络安全难题之一。提出了一种基于贝叶斯和不平衡支持向量机的钓鱼网站检测方法,首先提取待检测网站的URL特征,采用改进贝叶斯方法进行分类检测,如果不能明确分类,则提取该网站的页面特征,并采用不平衡支持向量机方法进行分类检测。实验结果表明,与现有方法相比,方法所需的检测时间少且能达到较高的检测准确度。

基于异常特征的钓鱼网站URL检测技术

典型的网络钓鱼是采用群发垃圾邮件,欺骗用户点击钓鱼网站URL地址,登录并输入个人机密信息的一种攻击手段。文章通过分析钓鱼网站URL地址的结构和词汇特征,提出一种基于异常特征的钓鱼网站URL检测方法。抽取钓鱼网站URL地址中4个结构特征、8个词汇特征,组成12个特征的特征向量,用SVM进行训练和分类。对PhishTank上7291条钓鱼网站URL分类实验,检测出7134条钓鱼网站URL,准确率达到97.85%。

基于Logistic回归和XGBoost的钓鱼网站检测方法

为兼顾钓鱼网站检测的速度和准确率,提出一种基于Logistic回归和XGBoost的钓鱼网站检测方法.根据网页的URL提取HTML特征、URL特征和基于TF-IDF的文本向量特征,结合Logistic回归将高维和稀疏的文本特征转换为概率特征.基于以上融合特征,构建了XGBoost分类模型,给出了方法的时间复杂度分析,采集了真实数据作为实验数据集.实验结果表明,Logistic回归方法降低了融合特征的维度,检测速度优于直接融合方法;融合特征方法比单方面特征方法含有更多有效的信息,可供分类器进行学习,检测精度高于单方面特征方法,精确度达到96.67%,召回率为96.6%.

基于特征选择与集成学习的钓鱼网站检测方法

针对目前大部分钓鱼网站检测方法存在检测准确率低、误判率高等问题,提出了一种基于特征选择与集成学习的钓鱼网站检测方法。该检测方法首先使用FSIGR算法进行特征选择,FSIGR算法结合过滤和封装模式的优点,从信息相关性和分类能力两个方面对特征进行综合度量,并采用前向递增后向递归剔除策略对特征进行选择,以分类精度作为评价指标对特征子集进行评价,从而获取最优特征子集;然后使用最优特征子集数据对随机森林分类算法模型进行训练。在UCI数据集上的实验表明,所提方法能够有效提高钓鱼网站检测的正确率,降低误判率,具有实际应用意义。

SDN技术下的钓鱼网站智能检测与防护

随着网上交易、网上支付的迅猛发展,钓鱼网站的危害日益突显,造成了用户巨大的经济损失.而SDN网络具备对网络资源灵活的按需调配能力,利用该能力能很好地实现对钓鱼网站的检测与防护.实验结果表明,该检测方法能有效地阻止对钓鱼网站的访问,所采用的算法简便有效.

浅谈钓鱼网站的技术原理及防护

钓鱼网站技术门槛低,制作与发布泛滥,呈现出多发的态势。从钓鱼网站的技术原理切入,论述了钓鱼网站的几个典型的危害特征。然后从终端防护和中间防护两个层面分别阐述了对于钓鱼网站的防范方法,并分析了两种方法各自的优缺点和各自的应用领域,最后给出了钓鱼网站的防范思路。