基于注意力机制与特征融合的网络钓鱼检测算法

摘要：

网络钓鱼是攻击者实施网络诈骗犯罪的主要手段.随着国家反网络诈骗力度的不断加大,各类网络钓鱼活动的技术对抗性也日益增加,给网络钓鱼检测工作带来了较大压力.比如,网络钓鱼攻击通常会利用图像来代替文本,并对高权重的网站标志图像加以小尺度偏移或旋转等手段,来逃避传统的基于文本或图像特征的检测算法.针对网络钓鱼技术对抗性日益增加的问题,提出一种基于注意力机制与特征融合的网络钓鱼检测算法,建立包含两个阶段的融合域名、网页结构、网页文本和网页图标等特征的层级分类模型,可有效针对攻击者的各种技术对抗性策略.该算法在第一阶段利用机器学习模型的轻量特性,融合域名、文本、网页结构特征从海量域名中预召回可疑域名子集,在第二阶段基于候选子集,引入注意力机制加深样本与被仿冒对象之间的全局文本关联特征的提取,并增加样本与被仿冒对象图标间的对比特征,建立融合文本和图像特征的深度分类模型.并在实验环节对该算法的有效性进行了验证.这种分层检测方式有效避免了对海量待检测域名的图像数据抽取,在保证检测精度的前提下大大提升了检测效率.

关键词：网络钓鱼检测、层次特征融合、注意力机制

所属期刊栏目：10

分类号：TP393(计算技术、计算机技术)

在线出版日期：2024-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：123-131