张茜，延志伟，李洪涛，耿光刚



网络钓鱼欺诈检测技术研究

张茜1,2,3，延志伟3，李洪涛3，耿光刚3

（1. 中国科学院计算机网络信息中心，北京 100190； 2. 中国科学院大学，北京 100049； 3. 中国互联网络信息中心互联网域名管理技术国家工程实验室，北京 100190）

分析了网络钓鱼欺诈的现状，并对钓鱼检测常用的数据集和评估指标进行了总结。在此基础上，综述了网络钓鱼检测方法，包括黑名单策略、启发式方法、视觉匹配方法、基于机器学习的方法和基于自然语言理解的方法等，对比分析了各类方法的优缺点，进一步指出了钓鱼检测面临的挑战，并展望了钓鱼检测未来的研究趋势。

网络钓鱼欺诈；钓鱼检测；机器学习；视觉匹配

1 引言

国家互联网信息办公室于2016年12月27日发布的《国家网络空间安全战略》指出，要严厉打击网络诈骗、网络盗窃等违法犯罪行为[1]。随着互联网的发展，互联网犯罪事件频有发生，严重损害了国家、企业和个人利益。网络钓鱼是实施网络诈骗、网络盗窃的主要手段，对网络钓鱼的检测已成为网络空间安全研究中的一个重要领域。

网络钓鱼（phishing）这一术语产生于1996年，它是由钓鱼（fishing）一词演变而来。在网络钓鱼的过程中，攻击者使用诱饵（如电子邮件、手机短信）发送给大量用户，期待少数用户“上钩”，进而达到“钓鱼”（如窃取用户的隐私信息）的目的。国际反网络钓鱼工作组（APWG, Anti- Phishing Working Group）给网络钓鱼的定义是：网络钓鱼是一种利用社会工程学和技术手段窃取消费者的个人身份数据和财务账户凭证的网络攻击方式[2]。……