基于支持向量机与关联规则多类分类技术的钓鱼网站预测
机器学习
2025-05-28 v1
摘要
钓鱼是一种针对用户而非计算机的语义攻击。与病毒和黑客攻击等其他形式相比，这是一种较新的网络犯罪。鉴于钓鱼网站通过使组织瘫痪、窃取信息和挪用资金而对各经济体造成的损害，不同领域的研究人员已开始探索检测钓鱼网站的各种方法，但对于用于预测的最佳算法尚未达成共识。本研究旨在整合两种算法的优势，即支持向量机（SVM）和基于关联规则的多类分类规则（MCAR），以建立一种强大且更优的钓鱼网站预测手段。共有来自 PhishTank 和雅虎目录的 11,056 个网站被用于验证该方法的有效性。特征提取和规则生成由 MCAR 技术完成；分类和预测由 SVM 技术完成。结果表明，该技术实现了 98.30% 的分类准确率，计算时间为 2205.33 秒，且错误率最低。其曲线下面积（AUC）总计达到 98%，表明了钓鱼网站分类的准确率比例。基于决定系数，该模型在钓鱼网站预测中表现出 82.84% 的方差。将两种技术结合用于检测钓鱼网站产生了更准确的结果，因为它结合了两种技术的优势。本研究正是以这一优势为核心，通过构建两种技术的混合模型来帮助产生更准确的结果。
引用
@article{arxiv.2505.21141,
title = {A Predicting Phishing Websites Using Support Vector Machine and MultiClass Classification Based on Association Rule Techniques},
author = {Nancy C. Woods and Virtue Ene Agada and Adebola K. Ojo},
journal= {arXiv preprint arXiv:2505.21141},
year = {2025}
}
备注
12 pages