.png){kind=icon}
返回
Phishing Detection Using CNN-RNN with Sparrow Search Optimization Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1142/S1756973726400214.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络钓鱼攻击仍然是网络安全的重大挑战，黑客试图通过伪装成真实平台来诱骗用户泄露关键个人信息。本文提出了一种新颖的网络钓鱼网站检测系统，其中卷积神经网络-循环神经网络（CNN-RNN）分别用于检测网络钓鱼网站和网络钓鱼邮件，同时利用麻雀搜索优化算法（SSOA）分别优化特征选择和模型参数。所提出的系统从Phish Tank数据库中收集钓鱼数据，然后进行数据清洗、分词和归一化等预处理步骤。特征提取根据其CNN-RNN框架进行，该框架在捕捉钓鱼网页的空间特征和钓鱼邮件的序列特征方面足够有效。在优化步骤中，SSOA用于更准确高效地调整模型。实验结果表明，基于CNN-RNN的模型达到99.27%的准确率、98.63%的精确率、98.89%的召回率和99.12%的F1分数，均高于其他传统方法。与当前方案（包括基于区域的卷积神经网络（RCNN）、循环信念传播（LBP）、随机森林（RF）、FastText和CNN以及支持向量机（SVM））相比，所提出的方法始终优于那些表现更好的方法。
Keyword:
Security
convolutional neural network
deep learning (DL)
Email Phishing
latent semantic analysis
phishing detection
recurrent neural network
Sparrow search optimization algorithm
URL classification
