基于URL多粒度特征融合的钓鱼网站识别

[目的]缓解钓鱼网站识别中URL表征不充分的问题,构建一种基于URL多粒度特征融合的识别模型.[方法]分别基于独热编码和BERT深度表征URL的字符级和单词级特征,进而通过融合两种粒度的深度特征构建钓鱼网站识别模型.[结果]所构建的融合多粒度URL特征的识别模型在实验数据集上的准确率、召回率、F1值以及AUC值分别达到0.96、0.98、0.97、0.97,比单一粒度的表征模型、基准分类器和以往模型具有更好的识别性能.[局限]除了 URL特征表征,有待进一步融合包括URL页面内容在内的更多源特征.[结论]构建的模型可以更全面地深度表征URL特征,有效提升了钓鱼网站的识别准确性.