基于QR二维码钓鱼网站的识别系统研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 传统网络钓鱼攻击的防御研究现状 | 第10-12页 |
| 1.2.2 基于QR二维码的钓鱼攻击防御研究现状 | 第12-13页 |
| 1.2.3 Android系统的应用现状 | 第13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文结构 | 第14-15页 |
| 第二章 基于QR二维码钓鱼识别的相关技术分析 | 第15-27页 |
| 2.1 QR二维码的构成及编解码技术分析 | 第15-20页 |
| 2.1.1 QR二维码的通用结构 | 第15-18页 |
| 2.1.2 QR二维码编码流程 | 第18-19页 |
| 2.1.3 QR二维码解码流程 | 第19-20页 |
| 2.2 钓鱼网站的攻击方式及特征分析 | 第20-25页 |
| 2.2.1 钓鱼网站的URL特征分析 | 第22-24页 |
| 2.2.2 钓鱼网站的WEB页面特征分析 | 第24-25页 |
| 2.3 黑名单检测法 | 第25页 |
| 2.4 本章小节 | 第25-27页 |
| 第三章 QR二维码钓鱼网站识别系统的关键技术研究 | 第27-45页 |
| 3.1 QR二维码钓鱼识别系统架构 | 第27页 |
| 3.2 QR二维码的信息获取技术 | 第27-31页 |
| 3.2.1 QR二维码图像的捕捉 | 第28-30页 |
| 3.2.2 QR二维码图像信息的解码 | 第30-31页 |
| 3.3 黑名单匹配检测技术 | 第31-34页 |
| 3.3.1 黑名单匹配列表的创建 | 第32-33页 |
| 3.3.2 黑名单列表的定时更新技术 | 第33-34页 |
| 3.4 钓鱼网站URL异常特征检测算法的研究 | 第34-39页 |
| 3.4.1 URL异常特征的提取 | 第35-38页 |
| 3.4.2 Logit模型研究 | 第38页 |
| 3.4.3 URL异常特征检测算法 | 第38-39页 |
| 3.5 WEB页面异常特征检测算法 | 第39-42页 |
| 3.6 数据库的建立 | 第42-43页 |
| 3.7 本章小节 | 第43-45页 |
| 第四章 QR二维码钓鱼网站识别系统的设计与实现 | 第45-57页 |
| 4.1 识别系统的总体设计 | 第45-47页 |
| 4.1.1 识别系统设计目标与设计原则 | 第45页 |
| 4.1.2 识别系统的总工作流程 | 第45-47页 |
| 4.2 识别系统的开发环境与设计模式 | 第47-50页 |
| 4.2.1 识别系统的开发环境与工具 | 第47-48页 |
| 4.2.2 识别系统的设计模式 | 第48-50页 |
| 4.3 识别系统的实现 | 第50-55页 |
| 4.3.1 Android终端与服务器端的通信 | 第50-51页 |
| 4.3.2 黑名单匹配快速响应的实现 | 第51-53页 |
| 4.3.3 URL异常特征检测关键参数的获取 | 第53-54页 |
| 4.3.4 WEB页面源码文件的采集 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 系统测试与结果分析 | 第57-64页 |
| 5.1 测试环境与工具 | 第57页 |
| 5.2 系统各模块测试 | 第57-63页 |
| 5.2.1 解码模块测试 | 第57-61页 |
| 5.2.2 判别模块测试 | 第61-63页 |
| 5.3 测试结论 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
