公开(公告)号：CN112468501B

公开(公告)日：2022-10-25

申请号：CN202011361704.3

申请日：2020-11-27

Applicant: 安徽大学

Inventor： 朱二周 ,  袁其详 ,  李薛剑

IPC: H04L9/40 ,  G06F16/955 ,  G06N3/04

Abstract: 本发明公开一种面向URL的钓鱼网站检测方法，包括以下步骤：截获用户要访问的URL并发送给服务器端；服务器端将URL分隔成固定长度的五个部分；嵌入层利用CNN和BiLSTM法提取以上五个部分的URL特征并将其转化成一个向量；利用TF‑IDF和注意力机制筛选有用特征以此来降低特征向量的维度，即得到一个精简的URL最优特征向量；利用数据集训练全连接层神经网络分类器；用最优特征向量表示的URL送入全连接层神经网络分类器，并根据计算出来的概率判定其是否为钓鱼网站的URL。本发明充分利用深度学习算法的优点，并且利用Attention机制降低特征维度，大大提高检测钓鱼网站的准确性和速度。

公开(公告)号：CN112468501A

公开(公告)日：2021-03-09

申请号：CN202011361704.3

申请日：2020-11-27

Applicant: 安徽大学

Inventor： 朱二周 ,  袁其详 ,  李薛剑

IPC: H04L29/06 ,  G06F16/955 ,  G06N3/04

Abstract: 本发明公开一种面向URL的钓鱼网站检测方法，包括以下步骤：截获用户要访问的URL并发送给服务器端；服务器端将URL分隔成固定长度的五个部分；嵌入层利用CNN和BiLSTM法提取以上五个部分的URL特征并将其转化成一个向量；利用TF‑IDF和注意力机制筛选有用特征以此来降低特征向量的维度，即得到一个精简的URL最优特征向量；利用数据集训练全连接层神经网络分类器；用最优特征向量表示的URL送入全连接层神经网络分类器，并根据计算出来的概率判定其是否为钓鱼网站的URL。本发明充分利用深度学习算法的优点，并且利用Attention机制降低特征维度，大大提高检测钓鱼网站的准确性和速度。