基于文本特征分析的钓鱼邮件检测技术研究

论文摘要

网络钓鱼攻击主要是通过邮件方式传播的,大量的网络钓鱼攻击使得用户遭受到巨大的经济损失。巨额的损失导致用户不信任网上银行和电子商务网站,并严重影响到电子商务的发展。因此,完成对钓鱼邮件的检测,就可以有效地防止由网络钓鱼行为导致的经济损失。由此可见,钓鱼邮件检测技术的研究是一项很有意义的课题。本文的主要工作和意义在于:1.针对钓鱼邮件的发展趋势,提出几种新的特征用于检测。网络钓鱼攻击者一直在发展其攻击策略,改变钓鱼邮件的特征,从而使邮件能绕过邮件过滤器的检测。因此,邮件特征的选取也必须根据这些攻击策略的改进而有所调整,合适的特征可以提高检测效果。本文结合了当前钓鱼邮件的特点和相应的应对策略,提出几种新的钓鱼邮件的文本特征,用于钓鱼邮件的检测。实验证明,新的特征能有效地提高钓鱼邮件的检测精度。2.采用在线学习的策略,对分类器模型进行必要更新。以往的分类检测过程中,在使用标签好的训练集完成分类器模型的训练后,模型就不再更改。而固定不变的模型,无法应对所有的钓鱼邮件检测,很有可能在检测新邮件时出现分类错误的情况。因此,对分类器进行在线学习更新很有必要。通过更新,可以有效地提高模型的分类精度,降低误判率。实验结果表明,采用了在线学习策略更新分类器模型的效果好于不更新的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究意义
• 1.2 研究目的和研究内容
• 1.3 论文组成结构
• 第二章 网络钓鱼检测方法综述
• 2.1 引言
• 2.2 常见的钓鱼攻击技术
• 2.2.1 基于url 编码的技术
• 2.2.2 基于Web 漏洞的技术
• 2.2.3 基于伪造Email 地址的技术
• 2.2.4 基于浏览器漏洞的技术
• 2.3 网络钓鱼检测的现状
• 2.3.1 基于黑白名单的钓鱼攻击检测
• 2.3.2 基于网站链接的钓鱼攻击检测
• 2.3.3 基于视觉相似的钓鱼攻击检测
• 2.3.4 基于网站拓扑的钓鱼网站检测
• 2.3.5 结合分类器的检测技术
• 2.4 本章小结
• 第三章 基于文本特征分析的钓鱼攻击检测
• 3.1 引言
• 3.2 钓鱼攻击检测概述和存在的问题
• 3.3 钓鱼邮件的文本特征提取
• 3.3.1 钓鱼邮件的词汇特征提取
• 3.3.2 钓鱼邮件的扩展特征提取
• 3.3.3 结合抗混淆特征
• 3.4 邮件检测试验
• 3.4.1 钓鱼邮件的检测过程
• 3.4.2 数据集来源和相关评价指标
• 3.4.3 实验数据及其分析结果
• 3.5 本章小结
• 第四章 基于在线学习的分类器模型更新
• 4.1 引言
• 4.2 在线学习算法的概述
• 4.3 PA 算法模型
• 4.3.1 PA 算法模型的概述
• 4.3.2 误差损失的通式化
• 4.3.3 可实现情况下的算法分析
• 4.3.4 算法误差约束的证明
• 4.3.5 不可实现情况的算法调整
• 4.4 CW 算法模型
• 4.4.1 CW 算法模型的概述
• 4.4.2 分类器模型的分布
• 4.4.3 更新规则推演
• 4.5 CW 算法的相关改进
• 4.5.1 AROW 算法的推导
• 4.5.2 AROW 算法的优点
• 4.6 实验
• 4.6.1 实验数据来源
• 4.6.2 实验内容概要
• 4.6.3 实验结果分析
• 4.7 本章小结
• 第五章 总结和展望
• 5.1 本文所作研究内容
• 5.2 未来的研究方向
• 致谢
• 攻读硕士期间发表的论文
• 攻读硕士期间发表的专利申请
• 缩略词
• 图表清单
• 参考文献