10.3969/j.issn.1673-1328.2022.28.017
基于CNN的新型诈骗网站识别系统开发
近年来,随着打击电信网络诈骗的力度不断加强,诈骗分子手段也逐步从使用电话、短信实施诈骗,转向利用网站、APP等更加隐蔽更加难以侦办的诈骗手段.目前诈骗过程中利用专门的网站、APP实施诈骗占比已经达到80%以上.这些网站呈现访问频次低、页面代码雷同及短生命周期三大特征.与此同时,行业内对于此类诈骗网站的研究又相对匮乏.借助于近年来发展成熟的深度学习技术——卷积神经网络(CNN),利用某运营商开发的RPA工具获取的诈骗网站首页的高清照片,通过分区域切片、分区域关注的策略,模型可以学习不同区域图像的深度特征,并通过web技术提交网址后从某运营商大数据平台获得网站的日访问用户县区分布、日访问流量、日访问人数、日访问次数等专家知识并转化为SVM特征.模型结合上述两种特征识别网站是否涉诈.最后通过Pandas库以Excel形式输出判别结果.
深度学习、计算机、诈骗网站
TP393.08(计算技术、计算机技术)
2022-10-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
61-64