基于双向长短期记忆网络的网络钓鱼 URL 检测
密码学与安全
2025-05-01 v1 人工智能
摘要
网络钓鱼攻击威胁着在线用户，常导致数据泄露、财产损失和身份盗窃。传统的网络钓鱼检测系统存在误报率高，局限于识别的攻击类型。本文提出一种基于深度学习的方法，使用双向长短期记忆网络（Bi-LSTM）对 URL 进行四类分类：良性、网络钓鱼、篡改和恶意软件。该模型利用序列 URL 数据，捕获上下文信息，提高了网络钓鱼检测的准确率。实验结果表明，在由 65 万多 URL 组成的数据集上，该模型有效，达到 97% 的准确率，显著优于传统技术。
引用
@article{arxiv.2504.21049,
title = {Phishing URL Detection using Bi-LSTM},
author = {Sneha Baskota},
journal= {arXiv preprint arXiv:2504.21049},
year = {2025}
}