［李高翔 叶宇中 黄福鸿 卓采标 潘国良 陈金林 陈德兴 吴雁琛］

1 引言

在信息网络快速发展的背景下，电信网络诈骗已成为当前发展最快、严重影响人民群众安全感的刑事犯罪。根据文献[1]的数据，2020 年以来，公安机关累计破获电信网络诈骗案件达25.6万，累计封堵诈骗网站网址31.6万个，由此可见目前电信网络诈骗传播的广泛性。当前电信网络诈骗手法多样，主要包括兼职诈骗、杀猪盘诈骗、贷款诈骗等。其中贷款诈骗主要是指犯罪团伙通过模仿国内知名借贷平台，如京东金融、微粒贷、百度有钱花等的官网页面搭建仿冒站点，以免息或低息为噱头诱导用户贷款并缴纳一定金额激活账号实施诈骗。由于仿冒站点的页面和正规平台的官网非常相似，所以普通民众极易受骗。与此同时，诈骗团伙通过使用多种网站模板和小众域名，可在短时间内迅速搭建一批仿冒站点，给公安机关、运营商等部门的打击防范工作带来了极大挑战。

本文旨在设计一种针对贷款类诈骗网站的识别方法，为此本文先通过对国内知名借贷平台站点官网及相关URL进行收集整理形成白名单，然后基于对公安部门积累样本的分析结果，设计了域名、网页内容、网页HTML 标签三类特征应用于分类算法，最后通过实验验证本文提出算法的有效性。本文的主要研究成果如下。

①对国内知名借贷平台及其域名等信息进行了梳理。

② 提出了一种结合基于规则和基于机器学习的贷款类诈骗网站识别框架。……