| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容和论文组织结构 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 第2章 相关技术研究 | 第18-27页 |
| 2.1 网络钓鱼攻击手段 | 第18-22页 |
| 2.1.1 利用URL混淆进行钓鱼攻击 | 第19-20页 |
| 2.1.2 利用漏洞进行钓鱼攻击 | 第20-21页 |
| 2.1.3 利用劫持进行钓鱼攻击 | 第21页 |
| 2.1.4 基于DNS的钓鱼攻击 | 第21-22页 |
| 2.2 启发式网络钓鱼识别相关技术 | 第22-26页 |
| 2.2.1 分类算法 | 第22-24页 |
| 2.2.2 特征选择 | 第24-26页 |
| 2.3 总结 | 第26-27页 |
| 第3章 集成新URL特征的钓鱼网站检测 | 第27-45页 |
| 3.1 检测框架 | 第27页 |
| 3.2 特征选择与分析 | 第27-33页 |
| 3.2.1 URL词法特征 | 第27-31页 |
| 3.2.2 WHOIS特征 | 第31-33页 |
| 3.3 URL特征提取技术 | 第33-38页 |
| 3.3.1 基于编辑距离的品牌名异常算法 | 第33-35页 |
| 3.3.2 基于广义后缀树的可疑特征词汇集合构建 | 第35-38页 |
| 3.4 实验对比 | 第38-43页 |
| 3.4.1 数据集构建 | 第38-40页 |
| 3.4.2 分类评价标准 | 第40-41页 |
| 3.4.3 特征组合 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 页面特征识别模块设计 | 第45-60页 |
| 4.1 页面特征识别模块的总体设计 | 第45页 |
| 4.2 页面特征选择与分析 | 第45-49页 |
| 4.2.1 页面特征 | 第45-47页 |
| 4.2.2 页面特征提取技术 | 第47-49页 |
| 4.3 去除特征伪造 | 第49-53页 |
| 4.3.1 特征伪造方式 | 第49-51页 |
| 4.3.2 去除页面特征伪造 | 第51-53页 |
| 4.4 GA-SVM算法 | 第53-55页 |
| 4.4.1 SVM核函数 | 第53-54页 |
| 4.4.2 基于遗传算法的SVM参数优化 | 第54-55页 |
| 4.5 实验对比 | 第55-59页 |
| 4.5.1 实验一:去除特征伪造对比 | 第56-57页 |
| 4.5.2 实验二:GA-SVM分类效果对比 | 第57页 |
| 4.5.3 实验三:特征贡献效果对比 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 支持特征去伪造的网络钓鱼分级检测机制 | 第60-67页 |
| 5.1 检测框架设计 | 第60页 |
| 5.2 决策树算法 | 第60-62页 |
| 5.2.1 C4.5决策树算法 | 第60-61页 |
| 5.2.2 改进决策树算法 | 第61-62页 |
| 5.3 实验对比 | 第62-66页 |
| 5.3.1 实验一:阈值的设定 | 第62-63页 |
| 5.3.2 实验三:钓鱼网站分级检测模型分类效果对比 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |