基于GIST全局特征的钓鱼网站聚类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景及研究意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 国内研究现状 | 第10-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 论文的结构 | 第14-15页 |
| 2 相关的钓鱼攻击及检测理论技术 | 第15-21页 |
| 2.1 网络钓鱼攻击原理 | 第15-16页 |
| 2.2 网络钓鱼攻击方式 | 第16-17页 |
| 2.3 基于相似度的检测技术 | 第17-20页 |
| 2.3.1 基于文本相似度 | 第18-19页 |
| 2.3.2 基于视觉图像相似度 | 第19页 |
| 2.3.3 基于结构相似度 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于GIST全局特征的钓鱼网站聚类算法 | 第21-36页 |
| 3.1 系统流程图 | 第21-22页 |
| 3.2 GIST特征 | 第22-26页 |
| 3.2.1 GIST全局特征提取 | 第22-23页 |
| 3.2.2 页面相似性计算 | 第23-24页 |
| 3.2.3 实验结果及分析 | 第24-26页 |
| 3.3 钓鱼网站聚类算法分析 | 第26-29页 |
| 3.3.1 聚类分析概念 | 第26-27页 |
| 3.3.2 聚类分析 | 第27-29页 |
| 3.4 改进的Kmeans聚类算法 | 第29-35页 |
| 3.4.1 聚类参数k的确定 | 第29页 |
| 3.4.2 聚类中心点的选取 | 第29-31页 |
| 3.4.3 孤立点的检测 | 第31页 |
| 3.4.4 聚类结果评判指标 | 第31-32页 |
| 3.4.5 实验结果及分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 实验结果及分析 | 第36-50页 |
| 4.1 实验环境 | 第36页 |
| 4.2 实验数据处理 | 第36-37页 |
| 4.3 PayPal数据集上实验结果与分析 | 第37-43页 |
| 4.4 eBay数据集上实验结果与分析 | 第43-48页 |
| 4.5 实验总结 | 第48页 |
| 4.6 本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-51页 |
| 5.1 论文主要工作总结 | 第50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 附录 | 第57-58页 |
| 致谢 | 第58页 |
