基于文本特征分析的钓鱼邮件检测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究意义 | 第8-9页 |
| ·研究目的和研究内容 | 第9-10页 |
| ·论文组成结构 | 第10-11页 |
| 第二章 网络钓鱼检测方法综述 | 第11-20页 |
| ·引言 | 第11页 |
| ·常见的钓鱼攻击技术 | 第11-14页 |
| ·基于url 编码的技术 | 第12-13页 |
| ·基于Web 漏洞的技术 | 第13页 |
| ·基于伪造Email 地址的技术 | 第13-14页 |
| ·基于浏览器漏洞的技术 | 第14页 |
| ·网络钓鱼检测的现状 | 第14-19页 |
| ·基于黑白名单的钓鱼攻击检测 | 第15-16页 |
| ·基于网站链接的钓鱼攻击检测 | 第16页 |
| ·基于视觉相似的钓鱼攻击检测 | 第16-18页 |
| ·基于网站拓扑的钓鱼网站检测 | 第18页 |
| ·结合分类器的检测技术 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于文本特征分析的钓鱼攻击检测 | 第20-35页 |
| ·引言 | 第20页 |
| ·钓鱼攻击检测概述和存在的问题 | 第20-21页 |
| ·钓鱼邮件的文本特征提取 | 第21-29页 |
| ·钓鱼邮件的词汇特征提取 | 第22-26页 |
| ·钓鱼邮件的扩展特征提取 | 第26-27页 |
| ·结合抗混淆特征 | 第27-29页 |
| ·邮件检测试验 | 第29-34页 |
| ·钓鱼邮件的检测过程 | 第29-30页 |
| ·数据集来源和相关评价指标 | 第30-31页 |
| ·实验数据及其分析结果 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于在线学习的分类器模型更新 | 第35-56页 |
| ·引言 | 第35页 |
| ·在线学习算法的概述 | 第35-36页 |
| ·PA 算法模型 | 第36-43页 |
| ·PA 算法模型的概述 | 第36-38页 |
| ·误差损失的通式化 | 第38页 |
| ·可实现情况下的算法分析 | 第38-41页 |
| ·算法误差约束的证明 | 第41-43页 |
| ·不可实现情况的算法调整 | 第43页 |
| ·CW 算法模型 | 第43-49页 |
| ·CW 算法模型的概述 | 第44页 |
| ·分类器模型的分布 | 第44-45页 |
| ·更新规则推演 | 第45-49页 |
| ·CW 算法的相关改进 | 第49-53页 |
| ·AROW 算法的推导 | 第50-52页 |
| ·AROW 算法的优点 | 第52-53页 |
| ·实验 | 第53-55页 |
| ·实验数据来源 | 第53页 |
| ·实验内容概要 | 第53-54页 |
| ·实验结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结和展望 | 第56-58页 |
| ·本文所作研究内容 | 第56-57页 |
| ·未来的研究方向 | 第57-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 攻读硕士期间发表的专利申请 | 第60-61页 |
| 缩略词 | 第61-62页 |
| 图表清单 | 第62-63页 |
| 参考文献 | 第63-67页 |
