PhishSSL：用于网络钓鱼网站检测的自监督对比学习
密码学与安全
2025-10-08 v1
摘要
网络钓鱼网站持续构成网络安全威胁，通过模拟合法网站窃取用户信息。现有机器学习检测方法常依赖标记数据进行监督学习，既需大量标注成本，又难适应新型攻击模式。为此，我们提出 PhishSSL，一种无需训练时标记网络钓鱼数据的自监督对比学习框架。PhishSSL 结合混合表格增强与自适应特征注意力机制，生成语义一致的视图并突出判别性特征。我们在三个具有不同特征构成的数据集上评估 PhishSSL。跨所有数据集，PhishSSL 均优于无监督和自监督基线方法，消融实验确认各组件贡献。此外，PhishSSL 在特征集合多样性下仍保持稳健性能，凸显其强大的泛化与迁移能力。这些结果表明 PhishSSL 为网络钓鱼网站检测提供了有前景的解决方案，尤其擅长应对动态 Web 环境中演化的威胁。
引用
@article{arxiv.2510.05900,
title = {PhishSSL: Self-Supervised Contrastive Learning for Phishing Website Detection},
author = {Wenhao Li and Selvakumar Manickam and Yung-Wey Chong and Shankar Karuppayah and Priyadarsi Nanda and Binyong Li},
journal= {arXiv preprint arXiv:2510.05900},
year = {2025}
}
备注
Accepted by the 26th International Conference on Web Information Systems Engineering (WISE 2025)