一种基于BERT-Stacking的钓鱼网站检测方法
作者:胡强; 周杭霞; 刘倩
更新时间:
目的:设计一种新的钓鱼网站检测技术,提高检测的准确性。方法:提出了一种利用变换器的双向编码表示提取HTML字符串嵌入特征的方法,并将HTML文档转换为单词嵌入向量。同时,提出了一个结合四个分类器的Stacking集成学习模型,该模型利用HTML字符串嵌入特征和URL特征来检测钓鱼网站。结果:F1值的准确率分别为98.52%和98.81%。与仅使用URL特征相比,在引入上述HTML字符串嵌入特征后,钓鱼网站的检测精度提高了近两个百分点。结论:本文提出的基于BERT提取的HTML字符串嵌入特征能够显著提高钓鱼网站的检测率。