移动通信中的金融类钓鱼网页检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于URL特征的钓鱼网页检测技术 | 第11-12页 |
| 1.2.2 基于内容特征的钓鱼网页检测技术 | 第12-13页 |
| 1.2.3 基于视觉特征的钓鱼网页检测技术 | 第13-14页 |
| 1.3 主要研究工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 相关技术描述 | 第16-24页 |
| 2.1 网络钓鱼简介 | 第16-19页 |
| 2.1.1 传播途径 | 第16-17页 |
| 2.1.2 技术手段 | 第17-18页 |
| 2.1.3 发展趋势 | 第18-19页 |
| 2.2 页面文本匹配 | 第19-21页 |
| 2.2.1 正则表达式 | 第20页 |
| 2.2.2 文本模式匹配算法 | 第20-21页 |
| 2.3 页面图像匹配 | 第21-23页 |
| 2.3.1 图像特征 | 第21-22页 |
| 2.3.2 图像局部特征匹配算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 金融类钓鱼网页检测方案 | 第24-47页 |
| 3.1 黑白名单过滤 | 第24-25页 |
| 3.2 URL特征提取 | 第25-29页 |
| 3.2.1 域名注册时间 | 第25-27页 |
| 3.2.2 Alexa网站排名 | 第27-29页 |
| 3.3 页面内容特征提取 | 第29-35页 |
| 3.3.1 敏感文本特征 | 第29-31页 |
| 3.3.2 网页表单特征 | 第31-32页 |
| 3.3.3 文本多模式匹配 | 第32-35页 |
| 3.4 页面图像特征提取 | 第35-41页 |
| 3.4.1 定位截取logo图像 | 第35-37页 |
| 3.4.2 图像特征提取与匹配 | 第37-41页 |
| 3.5 钓鱼网页检测模型设计 | 第41-46页 |
| 3.5.1 特征函数表示 | 第41-42页 |
| 3.5.2 SVM分类算法 | 第42-45页 |
| 3.5.3 钓鱼网页检测模型 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 钓鱼网页检测系统实现与测试分析 | 第47-57页 |
| 4.1 系统设计 | 第47-48页 |
| 4.1.1 部署方式 | 第47页 |
| 4.1.2 总体结构 | 第47-48页 |
| 4.2 软件开发 | 第48-53页 |
| 4.2.1 开发工具 | 第48-49页 |
| 4.2.2 URL预处理模块 | 第49-50页 |
| 4.2.3 网络爬虫模块 | 第50-51页 |
| 4.2.4 软件实现 | 第51-53页 |
| 4.3 系统测试与分析 | 第53-56页 |
| 4.3.1 评价指标 | 第53-54页 |
| 4.3.2 数据来源 | 第54-55页 |
| 4.3.3 测试结果与分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第65页 |
