基于URL语言特征的钓鱼网站检测算法

来源：计算机工程与应用杂志2019年第24期北京时间：

作者：王雨琪，刘博文，林果园

单位：1.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；2.矿山数字化教育部工程研究中心，江苏 徐州 221116；3.南京大学 计算机软件新技术国家重点实验室，南京 210023

摘要：为了应对钓鱼网站的检测逃避策略，提出一种基于URL语言特征的钓鱼网站检测算法。通过分析钓鱼网站和合法网站的URL在不同检测域上的差异，定义基元和敏感度来描述其语言特征。先根据基元对主级域名进行相似性检测，当相似性低于预先设定的阈值时，选取有效的子域名特征，利用随机森林算法对子域名的语言特征进行学习和检测。实验结果表明，该算法的准确率达95.6%，系统运行时间相对较小，平均识别时间小于1 s。

关键词：钓鱼网站,统一资源定位符（URL）,语言特征,基元,敏感度