PhishSnap：基于感知哈希的用户图像化钓鱼检测
密码学与安全
2025-12-09 v1 计算机视觉与模式识别
机器学习
摘要
钓鱼攻击是最常见的网络威胁之一，利用用户信任欺骗获取敏感凭证。现有的基于 URL 和 HTML 的检测系统在规避混淆和视觉欺骗方面难以应对。本文提出了 **PhishSnap**，一种基于感知哈希（pHash）的隐私保护、在设备端的钓鱼检测系统。作为浏览器扩展程序实现，PhishSnap 捕获网页截图，计算视觉哈希值，并与合法模板比较，以识别视觉上相似的钓鱼网站。本文收集了来自 PhishTank 和 Netcraft 的 **2024 年 1 万个 URL 数据集**（训练/验证/测试集比例为 70%/20%/10%），由于安全撤稿导致部分钓鱼页面不可用，降低了数据集的多样性。该系统实现了 **0.79 的准确率**、**0.76 的精确率** 和 **0.78 的召回率**，表明视觉相似性仍是有效的反钓鱼措施。整个推理过程均在本地完成，确保用户隐私并具备最小延迟。
引用
@article{arxiv.2512.02243,
title = {PhishSnap: Image-Based Phishing Detection Using Perceptual Hashing},
author = {Md Abdul Ahad Minhaz and Zannatul Zahan Meem and Md. Shohrab Hossain},
journal= {arXiv preprint arXiv:2512.02243},
year = {2025}
}
备注
IEE Standard Formatting, 3 pages, 3 figures