计算机应用研究

作者：周传华,柳智才,丁敬安,周家亿,

单位：1.安徽工业大学管理科学与工程学院,安徽马鞍山243002；2.中国科学技术大学计算机科学与技术学院,合肥230026；3.早稻田大学IPS学院,日本东京；

关键词：钓鱼网站,随机森林,信息增益率,特征选择,

基金：国家自然科学基金资助项目(71371013,71772002)；安徽省留学人员创新项目择优资助计划项目(2016)；；

针对目前大部分钓鱼网站检测方法存在检测准确率低、误判率高等问题，提出了一种基于特征选择与集成学习的钓鱼网站检测方法。该检测方法首先使用FSIGR算法进行特征选择，FSIGR算法结合过滤和封装模式的优点，从信息相关性和分类能力两个方面对特征进行综合度量，并采用前向递增后向递归剔除策略对特征进行选择，以分类精度作为评价指标对特征子集进行评价，从而获取最优特征子集；然后使用最优特征子集数据对随机森林分类算法模型进行训练。在UCI数据集上的实验表明，所提方法能够有效提高钓鱼网站检测的正确率，降低误判率，具有实际应用意义。

来源：2019年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第4期