研究人员开发识别钓鱼网站新算法，网上支付更安全

3月9日，郑州银行通过微信公众号向用户发布风险提示，表示近期有不法分子在短信中发送伪装成该行链接的钓鱼网站地址进行电信网络诈骗。近期，包括华夏银行 、众邦银行在内的多家银行均发布此类提示。

钓鱼网站是指欺骗用户的虚假网站。“钓鱼网站”的页面与真实网站界面基本一致，欺骗消费者或者窃取访问者提交的账号和密码信息。

网络钓鱼被认为是当今网络安全最严重的威胁之一。现有的网络钓鱼检测技术大多使用贝叶斯分类算法来区分钓鱼网页和真实网页。如果一个数据集包含的网页数量较少，并且能够提供高达90%的准确率，那么贝叶斯模型的准确率就很高。

但是，近年来网页的规模在急剧增长，现有的方法对大数据集的计算精度不够高。在最近发表于《无线个人通信》(Wireless Personal Communications)的一项研究中，研究人员提出了一种识别钓鱼网站的新方法。

论文显示，该方法利用网页中HTML页面的源代码中的超链接来识别钓鱼网站。该方法使用一个30个参数的特征向量来检测恶意网页。这些特征被用于训练监督深层神经网络模型与Adam优化器，以区分欺诈网站和真实网站。

论文提出的Adam优化器深度学习模型使用列表方式对钓鱼网站和真实网站进行分类。与其他传统的机器学习方法如SVM、Adaboost、AdaRank相比，论文提出的方法具有良好的性能。结果表明，该方法对钓鱼网站的检测结果更为准确。

编译/前瞻经济学人APP资讯组

论文链接：

https://link.springer.com/article/10.1007/s11277-021-08196-7