Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Blind Image Watermarking Algorithm in the Combine Domain Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

A Phishing Webpage Detecting Algorithm Using Webpage Noise and N-Gram

verfasst von : Qiong Deng, Huajun Huang, Liangmin Pan, Shuang Pang, Jiaohua Qin

Erschienen in: Cloud Computing and Security

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Although anti-phishing solutions were highly publicized, phishing attack has been still an important serious problem. In this paper, a novel phishing webpage detecting algorithm using the webpage noise and n-gram was proposed. Firstly, the phishing webpage detecting algorithm extracts the webpage noise from suspicious websites, and then expresses it as a feature vector by using n-gram. Lastly, the similarity of feature vector between the protected website and suspicious is calculated. Experimental results on detecting phishing sites samples data show that: this algorithm is more effective, accurate and quick than existing algorithms to detect whether a site is a phishing website.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Coverless Text Information Hiding Method Based on the Word Rank Map
Nächstes Kapitel A Construction Scheme of Steganographic Codes Based on Matrix Unwrapping
Literatur
1.
2.
Hong, J.: The state of phishing attacks. Commun. ACM 55(1), 74–81 (2012)CrossRef
3.
4.
5.
Abbasi, A., Zhang, Z., Zimbra, D., et al.: Detecting fake websites: the contribution of statisitical learning theory. MIS Q. 34(3), 435–461 (2010)
6.
Huang, H.J., Qian, L., Wang, Y.J.: A SVM-based technique to detect phishing URLs. Inf. Technol. J. 11(2), 921–925 (2012)CrossRef
7.
Yue, C., Wang, H.N.: BogusBiter: a transparent protection against phishing attacks. ACM Trans. Internet Technol. 11(7), 6–36 (2010)MathSciNet
8.
Zhang, H., Liu, G., Chow, T.W.S., et al.: Textual and visual content-based anti-phishing: a Bayesian approach. IEEE Trans. Neural Netw. 22(10), 1532–1546 (2011)CrossRef
9.
Huang, C., Ma, S., Yeh, W.: Mitigate web phishing using site signatures. In: Proceedings of TENCON 2010, pp. 803–808. IEEE (2010)
10.
Huang, H.J., Wang, Y.J., Xie, L.L., et al.: An active anti-phishing solution based on semi-fragile watermark. Inf. Technol. J. 12(1), 198–203 (2013)CrossRef
11.
Wardman, B., Stallings, T., Warner, G., Skjellum, A.: Automating phishing website identification through deep MD5 matching. In: eCrime Researchers Summit, pp. 1–7 (2008)
12.
Dunlop, M., Groat, S., Shelly, D: GoldPhish: using images for content-based phishing analysis. In: Proceedings of the Fifth International Conference on Internet Monitoring and Protection, pp. 123–128. IEEE (2010)
13.
Whittaker, C., Ryner, B., Nazif, M: Large-scale automatic classification of phishing pages. In: Network and Distributed Systems Security Symposium, pp. 1–10 (2010)
14.
Gu, B., Sheng, V.S., Tay, K.Y., Romano, W., Li, S.: Incremental support vector learning for ordinal regression. IEEE Trans. Neural Netw. Learn. Syst. 26(7), 1403–1416 (2015)MathSciNetCrossRef
15.
16.
Bin, G., Sheng, V.S., Wang, Z., Ho, D., Osman, S., Li, S.: Incremental learning for ν-support vector regression. Neural Netw. 67, 140–150 (2015)CrossRef
17.
Mao, X.L., He, J., Yan, H.F.: A survey of web page cleaning research. J. Comput. Res. Dev. 47(12), 2025–2036 (2010)
18.
Metadaten
Titel
A Phishing Webpage Detecting Algorithm Using Webpage Noise and N-Gram
verfasst von
Qiong Deng
Huajun Huang
Liangmin Pan
Shuang Pang
Jiaohua Qin
Copyright-Jahr
2016
Buch
Cloud Computing and Security

Print ISBN: 978-3-319-48670-3

Electronic ISBN: 978-3-319-48671-0

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-48671-0_15