基于mRMR-RF特征选择和XGBoost模型的钓鱼网站检测

• 作者: 梁雪春 毕青松 陈舒期
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 特征选择 最大相关最小冗余 随机森林 XGBoost 钓鱼网站
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 安全技术
• 页码范围: 296-301
• 页数: 6页
• 分类号: TP301.6
• 字数: 4609字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.049

摘要

针对大量冗余数据带来的钓鱼网站检测准确率不够、误判率较高等问题,提出一种基于最大相关最小冗余(mRMR)和随机森林(RF)相结合的特征选择方法(mRMR-RF),并利用极端梯度提升(XGBoost)算法构建钓鱼网站检测模型.利用mRMR和RF算法分别对特征进行排序;综合两种特征排序得出最终的排序结果,并根据实验得出的最佳特征数选出XGBoost模型所需的最优特征子集;使用最优特征子集对XGBoost分类模型进行训练.实验结果表明,该方法相比其他分类方法可以提高钓鱼网站检测的准确率,具有实际意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁雪春	南京工业大学电气工程与控制科学学院	49	431	13.0	19.0
2	毕青松	南京工业大学电气工程与控制科学学院	1	0	0.0	0.0
3	陈舒期	南京工业大学电气工程与控制科学学院	2	0	0.0	0.0