基于SVM主动学习算法的网络钓鱼检测系统.pdfVIP

第37卷 第19期 计 算 机 工 程 2011年 lO月 、b1．37 NO．19 ComputerEngineering October20l1 · 安全技术 · 文章 号：1o0o_一3428(2ol1)l9-_一o126-_03 文篡标识码：A 中圈分类号：11，3o9 基于SVM 主动学习算法的网络钓鱼检测系统 何高辉，邹福豢，谭大礼，王啊攻 (上海交通大学信息安全工程学院，上海 200240) 摘 要：针对钓鱼式网络攻击，从URL入手，对网址URL和Web页面内容综合特征进行识别、分类，实现网络钓鱼检测并保证检测的效 率和精度。用支持向量机主动学习算法和适合小样本集的分类模型提高分类性能。实验结果证明，网络钓鱼检测系统能达到较高的检测 精度 。 关奠词：网络钓鱼；支持向量机；主动学习算法；分类器；敏感特征 PhishingDetectionSystem Based0nSVM ActiveLearningAlgorithm HEGao·hui，ZOU Fu-tai，TAN Da-li，WANGM ing-zheng (SchoolofInformationSecurityEngineering，ShanghaiJiaotongUniversity，Shanghai200240，China) [AbstractiTodetectandpreventvariouskindsofphishingattacks，therearemanydifferentpreventivestrategiesanddetectiveideas．Thispaper takesthereserachofURL asthepointofdeparture，describeshow todetectphishingthroughhteidentification classificationofthe integrated featuresofURLandWebpagecontentSOastoensuretheefficiencyandaccuracyofdetection．Inthedecisionofhteclassificationalgorithm，it choosesSupportVectorMachine(SVM)activelearningalgorihtmwhichadaptstOthesmallsamplesetofhteclassificationmodelandachievesthe ． idealperformna ceoftheclassification．Experimentalresultsshow thatthesystem canachievehigherdetection accuracyandperformancewith a smallsampleofhteclassificationmodeltrainingset． [Keywordsiphishing；SupportVectorMachine(SVM)；activelearningalgorithm；classifier；sensitivecharacteristic DOI：10．3969／j．issn．1000—3428．201119．041 l 概述 Mover’SDistance)视觉相似识别技术进行检测的 。除了各自 近年来，互联网在中国得到了蓬勃的发展 ，但越来越严 的局限外，这2种方法有一个共同的缺点，其速度和效率都 重的安全问题引起了人们的担扰，其中，网络钓鱼(phishing) 不高，它们的应用都有较大的局限性。 就是网络欺诈的代表。网络钓鱼式攻击是一种在线身份伪造