东南大学学报（英文版）
東南大學學報（英文版）
동남대학학보（영문판）
JOURNAL OF SOUTHEAST UNIVERSITY
2013年
2期
134-138
,共5页
曹玖新%董丹%毛波%王田峰
曹玖新%董丹%毛波%王田峰
조구신%동단%모파%왕전봉
URL特征%phishing检测%支持向量机%增量学习
URL特徵%phishing檢測%支持嚮量機%增量學習
URL특정%phishing검측%지지향량궤%증량학습
uniform resource locator (URL) features%phishing detection%support vector machine%incremental learning
为了有效检测恶意网络钓鱼(phishing)行为,提出一种基于URL特征的phishing检测方法.该方法首先对现有钓鱼URL与合法URL进行分析对比,提取钓鱼URL的显著特征,然后采用机器学习算法对样本数据集训练从而获得分类检测模型,用来检测待检测的URL.为适应钓鱼URL的变化,分类模型需要根据新增样本不断更新,因此,设计了一种基于原始样本数据反馈的增量学习算法.实验表明:提取的URL特征与支持向量机(SVM)分类算法的结合能够使phishing检测达到较高的检测精度,且该增量学习算法是有效的.
為瞭有效檢測噁意網絡釣魚(phishing)行為,提齣一種基于URL特徵的phishing檢測方法.該方法首先對現有釣魚URL與閤法URL進行分析對比,提取釣魚URL的顯著特徵,然後採用機器學習算法對樣本數據集訓練從而穫得分類檢測模型,用來檢測待檢測的URL.為適應釣魚URL的變化,分類模型需要根據新增樣本不斷更新,因此,設計瞭一種基于原始樣本數據反饋的增量學習算法.實驗錶明:提取的URL特徵與支持嚮量機(SVM)分類算法的結閤能夠使phishing檢測達到較高的檢測精度,且該增量學習算法是有效的.
위료유효검측악의망락조어(phishing)행위,제출일충기우URL특정적phishing검측방법.해방법수선대현유조어URL여합법URL진행분석대비,제취조어URL적현저특정,연후채용궤기학습산법대양본수거집훈련종이획득분류검측모형,용래검측대검측적URL.위괄응조어URL적변화,분류모형수요근거신증양본불단경신,인차,설계료일충기우원시양본수거반궤적증량학습산법.실험표명:제취적URL특정여지지향량궤(SVM)분류산법적결합능구사phishing검측체도교고적검측정도,차해증량학습산법시유효적.
