基于Logistic回归和XGBoost的钓鱼网站检测方法

摘要：

为兼顾钓鱼网站检测的速度和准确率,提出一种基于Logistic回归和XGBoost的钓鱼网站检测方法.根据网页的URL提取HTML特征、URL特征和基于TF-IDF的文本向量特征,结合Logistic回归将高维和稀疏的文本特征转换为概率特征.基于以上融合特征,构建了XGBoost分类模型,给出了方法的时间复杂度分析,采集了真实数据作为实验数据集.实验结果表明,Logis-tic回归方法降低了融合特征的维度,检测速度优于直接融合方法;融合特征方法比单方面特征方法含有更多有效的信息,可供分类器进行学习,检测精度高于单方面特征方法,精确度达到96.67％,召回率为96.6％.

关键词：钓鱼网站、Logistic回归、集成学习、XGBoost

所属期刊栏目：49

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472080;中国工程院咨询研究资助项目2018-XY-07;软件新技术与产业化协同创新中心资助项目

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：207-212