鲁国良，袁铁山

（中国移动通信集团浙江有限公司绍兴分公司，浙江 绍兴 312000）

概述

网络诈骗愈来愈成为当前社会发展问题中亟待解决的问题。这种诈骗形式具有成本低、难追踪、隐蔽性强等特点。新形势下的网络诈骗常常利用存活周期为3～5 d 的网站，通过反复更换域名来实施诈骗。此类网站在页面上十分雷同，人眼很容易分辨。但是由于缺少诈骗网站相关的数据集，学术界和工业界对此类问题都研究得比较少[1]。本文利用某运营商开发的RPA 工具获取的诈骗网站首页的高清照片，开发卷积神经网络（CNN，Convolutional Neural Network ）模型可以学习不同区域图像的深度特征，并通过web 技术提交网址后获取访问用户特征的专家知识并转化为SVM 特征。模型结合上述两种特征识别网站是否涉诈。最后通过Pandas 库以Excel 形式输出判别结果。

1 技术及理论基础

1.1 pytorch 框架

自2012 年由Hinton 提出的VGG16 模型在ImageNet 比赛上以绝对优势夺冠后，深度学习社区迎来了一波实践工具的爆发式增长。Pytorc 易于学习，API 简洁和易于理解，Pytorch 还支持分布式数据并行计算，此项功能可以大大缩短模型训练时间。基于以上原因本文选择基于Pytorch 进行研究[2]。

1.2 SVM 特征映射

支持向量机（Support Vector Machine，SVM）可以通过核技巧将线性不可分的样本映射到特征空间中去，以尽可能大的间隔来区分样本。相较于原始数据空间中的样本，特征空间中的数据更具有线性可分性，更便于分类器进行分类任务。同时，映射后的特征具有更好的稀疏性。

1.3 ResNet 图像特征提取

卷积神经网络按照功能主要可以分为两个模块——即图像特征提取模块和分类器模块。……