基于特征选择与集成学习的钓鱼网站检测方法

• 作者: 丁敬安 周传华 周家亿 柳智才
• 来源期刊: 计算机应用研究
• 关键词: 钓鱼网站 随机森林 信息增益率 特征选择
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1128-1132
• 页数: 5页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.10.0998

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周传华	安徽工业大学管理科学与工程学院	23	104	6.0	9.0
3	丁敬安	安徽工业大学管理科学与工程学院	7	14	2.0	3.0
6	柳智才	安徽工业大学管理科学与工程学院	3	11	2.0	3.0
7	周家亿	早稻田大学IPS学院	2	11	2.0	2.0