| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第12-13页 |
| 1 导论 | 第13-22页 |
| 1.1 研究背景与意义 | 第13-18页 |
| 1.1.1 互联网时代与网络钓鱼诈骗 | 第13页 |
| 1.1.2 网络钓鱼诈骗的滋生和蔓延 | 第13-14页 |
| 1.1.3 国内外网络安全形势 | 第14-17页 |
| 1.1.4 构建预警情报模型的意义 | 第17-18页 |
| 1.2 文献综述 | 第18-21页 |
| 1.2.1 国外研究综述 | 第18-20页 |
| 1.2.2 国内研究综述 | 第20-21页 |
| 1.3 研究方法 | 第21-22页 |
| 2 网络钓鱼诈骗问题的界定和梳理 | 第22-31页 |
| 2.1 网络钓鱼诈骗的界定 | 第22-24页 |
| 2.1.1 网络钓鱼的界定 | 第22页 |
| 2.1.2 网络诈骗的界定 | 第22-23页 |
| 2.1.3 网络钓鱼诈骗的概念 | 第23-24页 |
| 2.2 网络钓鱼诈骗的特点 | 第24-25页 |
| 2.2.1 犯罪成本低廉化 | 第24页 |
| 2.2.2 诈骗手段智能化 | 第24页 |
| 2.2.3 诈骗模式产业化 | 第24-25页 |
| 2.2.4 诈骗对象普遍化 | 第25页 |
| 2.2.5 社会危害巨大化 | 第25页 |
| 2.3 网络钓鱼诈骗的分类 | 第25-28页 |
| 2.3.1 网络钓鱼诈骗的手段分类 | 第25-27页 |
| 2.3.2 网络钓鱼诈骗的对象分类 | 第27-28页 |
| 2.4 网络钓鱼诈骗预警面临的挑战 | 第28-31页 |
| 2.4.1 网络钓鱼诈骗的形式多样 | 第28页 |
| 2.4.2 网络钓鱼诈骗的数据庞杂 | 第28页 |
| 2.4.3 网络钓鱼诈骗的案情复杂 | 第28-29页 |
| 2.4.4 网络钓鱼诈骗的取证不易 | 第29页 |
| 2.4.5 网络钓鱼诈骗的赃款难追 | 第29-31页 |
| 3 基于数据挖掘方法的网络钓鱼诈骗预警情报框架 | 第31-36页 |
| 3.1 网络钓鱼诈骗数据来源模块 | 第33页 |
| 3.2 网络钓鱼诈骗预警情报目标模块 | 第33页 |
| 3.3 数据采集与预处理模块 | 第33-34页 |
| 3.4 网络钓鱼诈骗预警情报分析模块 | 第34页 |
| 3.5 网络钓鱼诈骗预警情报决策模块 | 第34-36页 |
| 4 基于半监督异常检测的网络钓鱼诈骗预警情报模型 | 第36-51页 |
| 4.1 半监督异常检测在网络钓鱼诈骗预警中的应用价值与可行性分析 | 第36-41页 |
| 4.1.1 半监督异常检测概述 | 第36-38页 |
| 4.1.2 半监督异常检测在网络钓鱼诈骗预警情报中的应用价值 | 第38-40页 |
| 4.1.3 半监督异常检测在网络钓鱼诈骗预警情报中的可行性 | 第40-41页 |
| 4.2 基于半监督异常检测的网络钓鱼诈骗预警情报模型构建 | 第41-51页 |
| 4.2.1 选取特征,构建特征向量 | 第43-44页 |
| 4.2.2 设置特征服从高斯(正态)分布 | 第44-45页 |
| 4.2.3 多元高斯分布建模 | 第45-46页 |
| 4.2.4 训练样本,拟合参数 | 第46-47页 |
| 4.2.5 选取阈值?,评价网络钓鱼诈骗预警情报模型 | 第47-48页 |
| 4.2.6 测试样本验证 | 第48-51页 |
| 5 基于贝叶斯分析的网络钓鱼诈骗预警情报模型 | 第51-61页 |
| 5.1 贝叶斯分析在网络钓鱼诈骗预警情报中的应用价值与可行性分析 | 第51-54页 |
| 5.1.1 贝叶斯分析概述 | 第51-52页 |
| 5.1.2 贝叶斯分析在网络钓鱼诈骗预警情报中的应用价值 | 第52-53页 |
| 5.1.3 贝叶斯分析在网络钓鱼诈骗预警情报中的可行性 | 第53-54页 |
| 5.2 基于贝叶斯分析的网络钓鱼诈骗预警情报模型的构建 | 第54-57页 |
| 5.2.1 建立假设群 | 第55页 |
| 5.2.2 估算假设初始概率 | 第55页 |
| 5.2.3 建立证据列表,估计似然比 | 第55-56页 |
| 5.2.4 计算后验概率 | 第56-57页 |
| 5.2.5 实时监控,更新证据列表 | 第57页 |
| 5.3 以L市“6·15”特大网络钓鱼诈骗案件为例的实证研究 | 第57-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录A 似然比估算专家咨询表 | 第66-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |
