网络异常检测钓鱼网站参考资料文献

• 2020 年网络钓鱼攻击形势。2020 Phishing Attack Landscape。2020 年 9 月 13 日访问

• Abdelhamid N, Abdel-jaber H (2017) 基于模型内容和特征的学习比较，第 72-77 页

• Abutair H 等人 (2019) CBR-PDS：基于案例的推理网络钓鱼检测系统。J Ambient Intell Humaniz Comput 10(7):2593–2606。CBR-PDS: a case-based reasoning phishing detection system | SpringerLink

  文章 谷歌学术 

• Ali W (2017) 基于监督机器学习和包装特征选择的网络钓鱼网站检测。Int J Adv Comput Sci Appl 8(9):72–78

  谷歌学术 

• Breiman L (2001) 随机森林。马赫学习 45(1):5–32。Random Forests | SpringerLink

  文章 数学 谷歌学术 

• Chin T 等人 (2018) Phishlimiter：一种使用软件定义网络的网络钓鱼检测和缓解方法。IEEE 访问 6:42513–42531。Phishlimiter: A Phishing Detection and Mitigation Approach Using Software-Defined Networking | IEEE Journals & Magazine | IEEE Xplore

  文章 谷歌学术 

• Cox DR (1966) 概率和统计研究论文（J. Neyman 的文稿）。伦敦威利

  谷歌学术 

• Cramer JS (2005) 逻辑回归的起源。SSRN Electron J. The Origins of Logistic Regression by J.S. Cramer :: SSRN

  文章 谷歌学术 

• El Aassal A 等人 (2020) 针对安全需求的网络钓鱼检测研究的深入基准测试和评估。IEEE 访问 8:22170–22192。An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs | IEEE Journals & Magazine | IEEE Xplore

  文章 谷歌学术 

• Fletcher R, Reeves CM (1954) 在分类问题中使用多重测量。安·尤金 1(1):75

  谷歌学术 

• Friedman JH (1997)：2 什么是数据挖掘？1 介绍。统计数据（贝尔）

• Gupta BB 等人 (2021) 一种在实时环境中使用基于词汇的机器学习进行网络钓鱼 URL 检测的新方法。计算机通讯 175：47-57。Redirecting

  文章 谷歌学术 

• Gupta S, Singhal A (2018) 用于预测网络钓鱼 URL 的动态分类挖掘技术。在：智能系统和计算的进步。施普林格，第 537-546 页。Dynamic Classification Mining Techniques for Predicting Phishing URL | SpringerLink

• Hong J 等人 (2020) 具有词汇特征和黑名单域的网络钓鱼 URL 检测。在：自适应自主安全网络系统。斯普林格，第 253-267 页。Phishing URL Detection with Lexical Features and Blacklisted Domains | SpringerLink

• Jain AK、Gupta BB (2018a) 使用基于机器学习的方法在客户端检测网络钓鱼网站。电信系统 68：687–700。Towards detection of phishing websites on client-side using machine learning based approach | SpringerLink

  文章 谷歌学术 

• Jain AK、Gupta BB (2018b) PHISH-SAFE：使用机器学习的基于 URL 特征的网络钓鱼检测系统。施普林格。Cyber Security: Proceedings of CSI 2015 | SpringerLink

• Kleinberg EM (2000) 关于随机歧视的算法实现。IEEE Trans Pattern Anal Mach Intell 22(5):473–490。On the algorithmic implementation of stochastic discrimination | IEEE Journals & Magazine | IEEE Xplore

  文章 谷歌学术 

• Koray O 等人 (2019) 基于机器学习的 URL 网络钓鱼检测。专家系统应用 117：345–357。Redirecting

  文章 谷歌学术 

• Kumar A, Gupta JBB (2018) 一种基于机器学习的网络钓鱼检测方法，使用超链接信息检测到的唯一网络钓鱼站点数量。J Ambient Intell Humaniz Comput。A machine learning based approach for phishing detection using hyperlinks information | SpringerLink

  文章 谷歌学术 

• Leng K 等人 (2019) 一种新的混合集成特征选择框架，用于基于机器学习的网络钓鱼检测系统。Inf Sci 484:153–166。Redirecting

  文章 谷歌学术 

• 逻辑回归——维基百科。https://en.wikipedia.org/wiki/Logistic_regression#cite_note-4。2020 年 4 月 19 日访问

• Mao J (2019) 通过从页面布局特征学习分类器检测网络钓鱼页面

• 掌握机器学习算法。Master Machine Learning Algorithms。2020 年 6 月 16 日访问

• McFadden D (1973) 计量经济学前沿。学术出版社，纽约

  谷歌学术 

• 模块：tf.contrib | TensorFlow 核心 v1.15.0。https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib?hl=JA。2020 年 9 月 18 日访问

• Moghimi M 等人 (2016) 新的基于规则的网络钓鱼检测方法。专家系统应用 53:231–242。Redirecting

  文章 谷歌学术 

• Orunsolu AA 等人 (2020) 网络钓鱼检测的预测模型。J King Saud Univ Comput Inf Sci。Redirecting

  文章 谷歌学术 

• 网络钓鱼坦克 | 加入打击网络钓鱼的斗争。https://www.phishtank.com/。2020 年 4 月 20 日访问

• 钓鱼网站数据集 | Kaggle，https: //www.kaggle.com/akashkr/phishing-website-dataset/version/2# 。2020 年 6 月 29 日访问

• Quinlan JR (1986) 决策树的归纳。马赫学习 1(1)：81–106。Induction of decision trees | SpringerLink

  文章 谷歌学术 

• Radhakrishna Rao C (2011) 多元分析中的显着性检验。生物统计学 6(1):1–25

  谷歌学术 

• Sahingoz OK 等人 (2019) 基于机器学习的 URL 网络钓鱼检测。专家系统应用 117：345–357。Redirecting

  文章 谷歌学术 

• Satapathy SK 等人 (2019) 基于机器学习技术的钓鱼网站检测特征分类。Int J Innov Technol Explor Eng 8:424–430

  谷歌学术 

• Shirazi H 等人 (2017) Fresh-Phish：自动检测网络钓鱼网站的框架。Fresh-Phish: A Framework for Auto-Detection of Phishing Websites | IEEE Conference Publication | IEEE Xplore

• Shiri A (2004) 现代信息检索导论（第 2 版）。图书修订版 53(9):462–463。Introduction to Modern Information Retrieval (2nd edition) | Emerald Insight

  文章 谷歌学术 

• Sonowal G, Kuppusamy KS (2020) PhiDMA——一种采用多过滤器方法的网络钓鱼检测模型。J King Saud Univ Comput Inf Sci 32(1):99–112。Redirecting

  文章 谷歌学术 

• Srinivasa R 等人 (2019) 使用轻量级视觉相似性方法检测网络钓鱼站点的二级过滤机制。J Ambient Intell Humaniz Comput。Two level filtering mechanism to detect phishing sites using lightweight visual similarity approach | SpringerLink

  文章 谷歌学术 

• Theil H (1969) 线性 logit 模型的多项扩展。Int Econ Rev（费城）10(3):251。https://doi.org/10.2307/2525642

  文章 谷歌学术 

• UCI 机器学习库：网络钓鱼网站数据集。UCI Machine Learning Repository: Phishing Websites Data Set。2020 年 4 月 19 日访问

• Varoquaux G 等人 (2015) Scikit-learn。GetMobile Mob。计算机社区 19(1):29–33。Scikit-learn: Machine Learning Without Learning the Machinery: GetMobile: Mobile Computing and Communications: Vol 19, No 1

  文章 谷歌学术 

• WHOIS API 提供对域注册记录的访问 | WhoisXML API。WHOIS API | 565M+ active domains & 7,298 TLDs tracked | WhoisXML API。2020 年 9 月 18 日访问