基于特征选择模型的钓鱼网站快速识别方法

• 作者: 陈鹏 李勇志 余肖生
• 来源期刊: 计算机技术与发展
• 关键词: 特征选择 信息增益 卡方检验 随机森林 递归特征消除
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 大数据分析与挖掘
• 页码范围: 40-45
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.04.007

摘要

目前在识别钓鱼网站的研究中,对识别速度有着越来越高的需求,因此提出了一种基于混合特征选择模型的钓鱼网站快速识别方法.混合特征选择模型包含初次特征选择、二次特征选择和分类三个主要部分,使用信息增益、卡方检验相结合以及基于随机森林的递归特征消除算法建立了混合特征选择模型,并在模型中使用分布函数与梯度,获取最佳截断阈值,得到最优数据集,从而提高钓鱼网站识别的效率.实验数据表明,使用该混合特征选择模型进行特征筛选后的数据集,维度降低了79.2％,在分类精确度几乎不损失的情况下,降低了32％的分类时间复杂度,有效地提高了分类效率.另外,使用UCI机器学习库中的大型钓鱼数据集对该模型进行评价,分类精确率虽然损失1.7％,但数据集维度降低了70％,分类时间复杂度降低了41.1％.