1 简介
信息化时代的快速发展,给人们的生活带来了很大的便捷。越来越多的人习惯在网上办事、网络购物、在线支付,俨然成为了一种常态。通过网络来获取各类信息也更加方便,这就给网络钓鱼带来了肥沃的生存土壤。网络钓鱼的不断泛滥,给人们的生产生活带来了巨大威胁,网民的财产安全受到侵犯,不利于经济的发展和社会的稳定。因此,加大网络钓鱼检测技术的研究成为当下的重点课题。目前网络钓鱼检测存在着效率不高、稳定性和泛化性较差等缺点,对于网络钓鱼检测技术的研究与改进变得尤为重要。本文在机器学习算法研究的基础上,通过灰狼算法对BP神经网络进行优化,并将其应用到钓鱼网站的检测上,取得了较好的效果。具体模型参靠底下文献。
2 部分代码
% Improved Grey Wolf Optimizer function [Alpha_scores_CGWO,Alpha_pos_CGWO,Convergence_curve1]=GWO(SearchAgents_no,Max_iter,lb,ub,dim,objfun) global kkk %display('CGWO is optimizing your problem'); % SearchAgents_no=30; % Max_iter=500; % dim=10; % objfun=@(x)sum(x.^2); % ub=1; %/*lower bounds of the parameters. */ % lb=-1;%/*upper bound of