| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题研究背景 | 第7页 |
| 1.2 研究现状 | 第7-10页 |
| 1.3 研究内容及意义 | 第10-11页 |
| 1.4 文章组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 机器学习分类算法及钓鱼网页概述 | 第13-20页 |
| 2.1 机器学习分类算法概述 | 第13-15页 |
| 2.1.1 逻辑回归 | 第13页 |
| 2.1.2 支持向量机 | 第13-14页 |
| 2.1.3 朴素贝叶斯 | 第14-15页 |
| 2.2 钓鱼网页的基本概念 | 第15-18页 |
| 2.2.1 钓鱼网页的定义及其现状 | 第15页 |
| 2.2.2 网络钓鱼攻击的分类 | 第15-18页 |
| 2.3 钓鱼网页检测面临的挑战 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 钓鱼网页检测方法研究 | 第20-26页 |
| 3.1 钓鱼网页检测特征的类别 | 第20-23页 |
| 3.1.1 基于URL的特征 | 第20-21页 |
| 3.1.2 基于主机的特征 | 第21-22页 |
| 3.1.3 基于内容的特征 | 第22-23页 |
| 3.2 检测方法的评价指标 | 第23-25页 |
| 3.2.1 准确率、召回率以及F-Score | 第23页 |
| 3.2.2 过滤准确率及错误率 | 第23-24页 |
| 3.2.3 受试者工作特征曲线以及曲线下面积 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 SHLR——基于机器学习的钓鱼网页检测方法 | 第26-50页 |
| 4.1 引文 | 第26-28页 |
| 4.2 基于关键字的网页过滤方法研究 | 第28-32页 |
| 4.2.1 基于搜索引擎的合法网页过滤方法 | 第28-29页 |
| 4.2.2 基于启发式规则的钓鱼网页过滤方法 | 第29-32页 |
| 4.3 基于逻辑回归的钓鱼网页检测方法 | 第32-41页 |
| 4.3.1 钓鱼网页检测特征集构建方法研究 | 第32-39页 |
| 4.3.2 分类算法 | 第39-41页 |
| 4.4 SHLR钓鱼网页检测方法 | 第41-42页 |
| 4.5 实验结果分析 | 第42-49页 |
| 4.5.1 实验环境与数据来源 | 第42页 |
| 4.5.2 实验设计 | 第42-43页 |
| 4.5.3 实验结果与分析 | 第43-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文工作总结 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间学术成果 | 第56-57页 |
| 致谢 | 第57-60页 |