基于模糊粗糙集的特征选择以增强钓鱼攻击检测

钓鱼攻击作为最知名的 cybercrime 活动之一，是通过冒充合法网站来欺骗在线用户窃取其个人或机密信息的手段。已有若干基于机器学习的策略被提出以检测钓鱼网站。这些技术依赖于从网站样本中提取的特征。然而，极少有研究真正考虑用于检测钓鱼攻击的高效特征选择。本工作中，我们调研了在钓鱼检测中应使用哪些确定性特征方面的共识。我们应用模糊粗糙集（FRS）理论作为工具，从三个基准数据集中选择最有效的特征。所选特征被输入三种常用于钓鱼检测的 classifier。为评估 FRS 特征选择在开发可泛化钓鱼检测中的表现，这些 classifier 使用一个包含 14,000 个网站样本的独立的样本外数据集进行训练。通过 FRS 特征选择结合 Random Forest 分类获得的最大 F-measure 为 95%。此外，FRS 在全部三个数据集上选出了 9 个通用特征。使用该通用特征集的 F-measure 值约为 93%，与 FRS 性能相比结果相当。由于该通用特征集不含来自第三方服务的特征，这一发现意味着无需外部来源查询，我们即可获得更快速的钓鱼检测，且对零日攻击也具有鲁棒性。