基于SVM的金融类钓鱼网页检测方法

• 作者: 付俊 刘可 张峰 林家富 胡向东 郭智慧
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 钓鱼检测 支持向量机(SVM) 金融网页 特征提取 多模式匹配
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 806-813
• 页数: 8页
• 分类号: TP393.08
• 字数: 6509字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2017.06.015

摘要

针对金融服务领域面临的严峻信息安全挑战,以及现有钓鱼网页检测方法的不足,提出一种基于支持向量机(support vector machine,SVM)的金融类钓鱼网页检测方法.采用网页渲染去除常见的页面特征伪装,提取统一资源定位符(uniform resource locator,URL)信息特征、页面文本特征、页面表单特征以及页面logo图像特征,构建特征向量训练SVM分类器模型,实现对金融类钓鱼网页的识别.在特征提取过程中,利用适合中文的多模式匹配算法AC_SC(AC suitable for chinese)提高文本匹配效率,并采用加速鲁棒特征(speeded-up robust feature,SURF)算法实现logo图像的特征提取与匹配.多方法实验结果对比表明,该方法针对性更强,能达到99.1％的检测准确率、低于0.86％的误报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡向东	重庆邮电大学自动化学院	90	981	16.0	28.0
2	张峰		18	63	5.0	7.0
3	林家富	重庆邮电大学自动化学院	4	12	2.0	3.0
4	刘可	重庆邮电大学自动化学院	3	12	2.0	3.0
5	付俊		12	33	4.0	5.0
6	郭智慧		3	17	3.0	3.0