毕青松 梁雪春 陈舒期

(南京工业大学电气工程与控制科学学院 江苏 南京 211816)

0 引 言

钓鱼网站，作为一种伪装成合法网站的虚假网站，是诈骗者通过合法网站的漏洞加入一些病毒代码，通过用户在网站输入来窃取用户的银行卡、信用卡等账号密码以及其他私人信息资料[1]。诈骗者利用用户好奇以及不设防的心理，将钓鱼网站的界面做得与合法网站极其相似，用户在浏览网站时如果不仔细观察根本无法分辨出来，大大降低了用户个人账户信息的安全保障，从而直接损失用户的利益。根据我国反钓鱼网站数据显示，2019年4月该网站共处理钓鱼网站2 414个，环比增长了66.5%，截至2019年4月，反钓鱼网站处理的钓鱼网站数量达到440 995个。

目前钓鱼网站检测方法主要有黑白名单过滤技术[2-3]、钓鱼网站URL地址分析[4-5]和提取网站相关特征来识别钓鱼网站[6-7]。其中，提取网站相关特征来识别钓鱼网站拥有更高的准确率，但是识别效率低，且提取页面特征较为复杂。

针对上述检测方法，众多学者采用机器学习分类算法进行分类检测。比如，文献[8]利用SVM算法分析钓鱼网站URL地址进行识别，但是该方法只对低维小样本数据有较高的预测准确率。文献[9]采用K-means算法对URL特征进行聚类处理，以达到预测的目的，但是该方法分类性能有限。文献[10]提出基于K-means和SVM相结合算法来识别钓鱼网站，该方法虽然提高了预测准确率，但是其只针对低维小样本数据，对于高维数据的预测效果并不理想。……