PhishDetect：一种基于排序的分类器集成方法，用于提升网络钓鱼网站检测能力

《Scientific Reports》：PhishDetect: A ranking-based classifier integration approach for improving phishing website detection

　　

摘要

网络钓鱼是一种欺诈行为，其手段是通过伪装成合法的个人或组织来诱使人们泄露个人信息。如今，由于互联网普及率不断提高，越来越多的人使用在线平台办理银行、购物等各类服务，这也使得网络钓鱼攻击日益增多。网络犯罪分子利用这一趋势，用各种手段在网上寻找受害者。随着传统方法的效果逐渐减弱，网络安全专家和专业人士开始运用机器学习技术来提高网络钓鱼检测的准确性。传统的机器学习和集成学习方法往往会导致较高的误报率和漏报率。因此，设计出更可靠的方案来识别网络钓鱼网页显得尤为重要。本文的主要贡献在于通过结合基于预测误差排序方案的基分类器，提升了网络钓鱼检测的准确性。该方法的有效性是通过一个基准数据集来评估的。实验结果表明，与传统机器学习和集成学习方法相比，所提出的方法在网络钓鱼检测方面表现更佳。所提方法的加权F值达到了0.984，而通过分类器堆叠以及基于排序策略选出的前三类分类器分别只能得到0.970和0.974的加权F值。此外，为了进一步验证该方法的有效性和泛化能力，还使用了另一个标准基准数据集进行了实验。