PhishTank恶意URL数据集分享

最新推荐文章于 2025-03-12 22:25:12 发布
最新推荐文章于 2025-03-12 22:25:12 发布
阅读量3.7k 收藏 6
点赞数 8
分类专栏： 日常问题解决 文章标签： 机器学习 URL数据集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41174502/article/details/117424974
版权

大概10000条钓鱼URL

链接：https://pan.baidu.com/s/1u4bzuu-0MpGeCoFpuEJ7rw 
提取码：6413 
文件格式：csv

额，怎么就是广告了。

OWASP top10
weixin_30338481的博客
11-18 438
PhishTank 是互联网上免费提供恶意网址黑名单的组织之一,它的黑名单由世界各地的志愿者提供,且更新频繁。 1、XSS 1.1、 XSS简介 跨站脚本攻击，英文全称是Cross Site Script，本来缩写是CSS，但是为了和层叠样式表有所区分，所以在安全领域叫做“XSS”。 XSS攻击，通常指黑客通过“HTML注入”篡改了网页，插入了恶意的脚本，从而在用户浏览网页时，...
恶意网页数据
04-28
恶意网页样本集数据，做最后样本分类需要的相关数据。
毕业设计：基于机器学习的钓鱼网站自动检测方法
最新发布
Hai_Lang_IT的博客
03-12 1185
钓鱼网站检测的有效方法，主要采用机器学习技术对钓鱼网站进行自动识别。通过收集和分析大量钓鱼网站样本，提取其特征，并构建分类模型进行训练和测试。在钓鱼网站检测中的准确率和召回率均较高，能够有效提升识别能力。对于计算机专业、人工智能专业、大数据专业、信息安全专业、软件工程专业、的毕业生而言，不论是对于对深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，都能为您提供丰富的选题资源和灵感。
恶意URL数据集
xyh_qianxiao的博客
04-20 5076
一些URL数据集的收集来源 1、https://openphish.com/feed.txt 2、https://ransomwaretracker.abuse.ch/blocklist/ 3、https://www.phishtank.com/ 4、 4、https://blog.csdn.net/Eastmount/article/details/108434835
恶意url.txt
06-10
纯文本URL列表（仅限URL） 在纯文本的URL列表是已知URLhaus所有恶意软件URL的转储。除了每行一个URL之外，它不包含任何其他内容，如果您想将URLhaus数据集用作IOC（Compromise指标），这将非常有用。您可以将它们与安全性过滤器的某些日志文件进行匹配，例如Web代理日志。您也可以将其用作具有低误报率的阻止列表。 纯文本URL列表每5分钟生成一次。请不要每隔5分钟取一次。
恶意URL项目
02-25
恶意URL项目 学生项目 使用机器学习来检测恶意网站 主题已涵盖： 知识网络 随机森林 主成分分析 编程语言：python 编译器：Jupiter Notebook 数据集来源： : 主成分分析 在Random Forest网站上练习 使用All.csv，应用随机森林和KNN，并比较结果。
url数据库
huanqicode的博客
11-06 620
jdbc.url=jdbc:oracle:thin:localhost/@ip:1521:ORCL
恶意网址分析技术与数据集分享
在这个特定的存储库中，由于文件名称列表中只包含了"malicious_url_analysis-master"，我们可以假设该存储库可能包含了用于分析恶意URL的源代码、数据分析脚本、相关数据集以及可能的实验报告或分析结果。...
基于深度学习的恶意 URL 识别
追風少年
06-11 5565
基于深度学习的恶意 URL 识别 原文作者：陈康, 付华峥, 向勇 原文期刊：计算机系统应用,2018,27(6):27–33 原文链接：http://www.c-s-a.org.cn/1003-3254/6370.html 一、论文主要内容 在本文工作中，我们提出一种基于深度学习的恶意 URL 识别模型。本文的模型基于 URL 词法特征进行检测。首先通过正常 URL 样本训练得到 URL 中的字符的分布表示。将 URL 转化成二维图像，然后通过训练 CNN 模型对二维图像进行特征抽取，最后使用全连接层
恶意url_预测URL的恶意
weixin_26722031的博客
08-01 3674
恶意urlIn this article, we walk through developing a simple feature set representation for identifying malicious URLs. We will create feature vectors for URLs and use these to develop a classification m...
基于字符串本身进行特征提取的URL恶意性检测（基于sklearn库的机器学习模型进行分类）（源码+项目说明）.zip
02-20
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！...基于字符串本身进行特征提取的URL恶意性检测（基于sklearn库的机器学习模型进行分类）（附实验数据于data文件夹）（源码+项目说明）.zip
大数据环境下基于决策树的恶意URL检测模型
06-22
恶意网址URL检测一直是信息安全防御技术领域的研究热点之一。针对传统恶意URL检测技术无法自主探测未知URL,并且缺乏适应大数据时代发展的能力等问题,设计并实现了一种基于大数据技术,结合决策树算法与黑白名单技术的恶意URL检测模型。该模型基于Spark分布式计算框架,利用已知URL训练集提取特征、训练决策树分类模型,然后用已有分类模型对黑白名单无法检测出的URL进行分类预测,达到检测目的。实验证明,构建的检测模型具有很好的检测效果和稳定性。
pyphishtank:PhishTank API 的 Python 库
06-09
PyPhishTank PhishTank 检查 URL API 的 Python 包装器。 示例用法 from pyphishtank import PhishTank p = PhishTank () result = p . check ( "http://example.com" ) if result . in_database : if result . valid : print ( "{url} is a phish!" . format ( url = result . url )) else : print ( "{url} is not a phish!" . format ( url = result . url )) else : print ( "{url} is not in the PhishTank database" .
Python PhishTank爬取(钓鱼网站的使用)
Danielntz的博客
09-14 7562
最近在使用Python做网络爬虫，涉及到钓鱼网站的一些问题，或者说是使用Python爬取网站遇到的一些问题，Python语言中有很多强大的工具包，非常强大，在这里因为要爬取网页的内容，所以我选择的工具包为BeautifulSoup，一款强大的网页解析包。    1 爬取网页内容    page = urllib2.urlopen(url) contents = page.r
URL集合
weixin_33816821的博客
12-20 277
2019独角兽企业重金招聘Python工程师标准>>> ...
基于深度学习的恶意 URL 检测
web_bug407的博客
09-22 1209
深度学习技术在恶意 URL 识别中展现出了强大的能力，本文将介绍基于深度学习的恶意 URL 识别方法，并提供相应的源代码。借助深度学习模型，我们能够从海量的 URL 数据中准确地识别出恶意 URL，提高网络安全性。然而，恶意 URL 的形式和特征不断演变，因此持续更新和改进模型是至关重要的。可以从多个来源收集 URL 数据，包括恶意 URL 数据集、常规 URL 数据集以及其他可用的公开数据集。如果模型将 URL 分类为恶意，可以采取相应的防御措施，例如阻止访问或进行进一步的分析。
url收集
GP0000968523的专栏
04-30 624
王蕙君_百度百科 王蕙君_百度百科 高仓健_百度百科 高仓健_百度百科 千里走单骑电影 - 百度 布鲁斯音乐_百度百科 布鲁斯音乐_百度百科 罗永浩打自己的脸，是从这片开始的 罗永浩打自己的脸，是从这片开始的 辛芷蕾 辛芷蕾 十首最好听的英文歌曲-必听的20首经典英文歌-Wed114结婚网 十首最好听的英文歌曲-必听的20首经典英文歌-Wed1...
【数据挖掘】使用支持向量机实现恶意url检测
m0_52634403的博客
10-03 2329
选择恶意和正常URL链接数据进行研究(特征选择、算法选择)，并编写代码构建模型，最终满足如下需求： - 打印出模型的准确率和召回率； - 代码可以根据输入的URL自动判定其安全性；
常用URL标注数据集网络下载
03-04 2258
良性URL数据集： 1，DMOZ http://rdf.dmoz.org/rdf/ 2，alexa http://s3.amazonaws.com/alexa-static/top-1m.csv.zip 3,chinaz http://top.chinaz.com/top500?t=48 恶意URL数据集： 1，PhishTank http://www.phishta
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值