一种基于TSVM的phishing网页检测方法的中期报告.docx

一种基于TSVM的phishing网页检测方法的中期报告 一、研究背景 随着互联网技术的飞速发展，互联网恶意攻击也越来越猖獗。其中，网络钓鱼（phishing）攻击是一种常见的网络安全威胁，它通过伪造合法网站的方式骗取用户的账户和密码，甚至财产。因此，对于phishing网页的检测变得越来越重要。目前，传统的机器学习方法和深度学习方法被广泛应用于phishing网页的检测。 二、研究目的 本文的主要研究目的是提出一种基于两阶段支持向量机算法（TSVM）的phishing网页检测方法，结合传统特征和顶点相似度特征，提高钓鱼网站的检测精度。 三、研究方法 1. 数据集准备：利用实际互联网数据搜集phishing网页的URL，并与合法网站的URL组成数据集，通过网络爬虫获取页面信息。 2. 特征提取：提取页面文本、链接、图像和meta标签等传统特征，并使用PageRank算法提取网页的顶点相似度特征。 3. TSVM模型训练：首先使用k-means算法聚类，将数据集分为两部分：常规网站和phishing网站。然后，构建两个SVM模型，一个用于常规网站分类，另一个用于phishing网站分类。最后，将两个模型合并为一个TSVM模型。 4. 模型测试：使用5折交叉验证方法测试模型的准确性、召回率、F1值和AUC值等指标，并与其他基于机器学习和深度学习的phishing网页检测方法进行比较。 四、研究进展与预期结果 目前，我们已完成了数据集的准备、特征提取和TSVM模型的训练。下一步将进行模型测试和结果分析。我们希望在实验中获得一个准确性90%的检测模型，并在精度、召回率、F1和AUC等指标方面优于其他传统机器学习和深度学习方法，使得我们的模型能够在实际应用中发挥更好的效果。