机构名称：
¥ 1.0
网络安全在维持个人用户信息（例如密码和PIN代码）的机密性和完整性方面面临着重大挑战。每天，数十亿用户会接触到请求敏感信息的假登录页面。有很多方法可以欺骗用户访问网站，例如网络钓鱼电子邮件，诱饵和开关广告，click插齿，恶意软件，SQL注入，会话劫持，中间人，中间人，拒绝服务和跨站点脚本攻击。Web欺骗或网络钓鱼是一种电子技巧，其中攻击者会创建合法网页的恶意副本，并请求个人用户信息（例如密码）。为了打击此类攻击，研究人员提出了几种安全策略，但它们遭受了延迟和准确性问题的困扰。为了克服此类问题，我们建议并开发一种基于机器学习技术的客户端防御机制，以检测伪造的网站并保护用户免于网络钓鱼攻击。作为概念证明，开发了一个名为PhishCatcher的Google Chrome扩展程序，该扩展名实现了机器学习算法以将URL归类为可疑或值得信赖。该算法采用四种不同类型的Web功能作为输入，并使用随机森林分类器来确定登录网页是否是假的。为了评估扩展的准确性和精度，在实际Web应用程序上进行了一些实验。实验结果表明，从400个分类的网络钓鱼URL和400个合法URL的实验中，实验的惊人精度为98.5％，精度为98.5％。PhishCatcher记录的平均响应时间仅为62.5毫秒。为测量工具的潜伏期，还进行了40多个网络钓鱼URL的实验。
PhishCatcher：针对Web欺骗攻击的客户端防御
主要关键词
相关文件推荐
