声明
致谢
1绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 钓鱼网站检测
1.2.2 图像分类检索技术
1.2.3 网页分块算法
1.3 本文主要内容
1.4 本文组织结构
2相关技术
2.1 基元相关性描述子
2.2 网页DOM树
2.3 概率潜在语义分析
2.4 MapReduce简介
2.5 本章小结
3基于改进TCD特征空间转换的钓鱼网站检测算法
3.1 基本思想
3.2.1 改进的纹理特征提取方法
3.2.2 改进的邻域选择方法
3.2.3 双窗口相关性统计
3.3 特征计算复杂化及钓鱼检测设计
3.4 算法设计与实验分析
3.4.1 实验参数确定
3.4.2 改进TCD算子检索性能
3.4.3 钓鱼检测实验分析
3.5 本章小结
4基于结构化文档模型的钓鱼网站检测算法
4.1 基本思想
4.2 基于MABC的网页视觉分块
4.2.1 网页节点间关系
4.2.2 网页节点标签分析
4.2.3 节点的构造与归并
4.3.1 基于DOM分层结构的结构化文档
4.3.2 相关网站集
4.3.3 钓鱼网站检测设计
4.4.1 实验说明
4.4.2 实验数据集
4.4.3 综合相似度阈值确定
4.4.4 不同算法对比实验
4.5 本章小结
5基于改进TCD图像检索和分类的钓鱼检测模型
5.1 基本思想
5.2 基于改进 TCD 图像检索和分类的钓鱼检测模型
5.2.1 基于视觉分层的TCD算子
5.2.2 TCD-BOW
5.2.3 TCD-PLSA
5.2.4 图像检索与特征计算
5.3 钓鱼检测模型总体设计
5.3.1 钓鱼检测模型
5.3.2 视觉分块并行化设计
5.3.3 视觉分层TCD算子的并行化设计
5.3.4 TCD-PLSA的并行化设计
5.4.1 实验环境
5.4.2 实验数据集
5.4.3 参数确定
5.4.4 算法对比与分析
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
作者简历
学位论文数据集