面向现代 Web 平台的 CNN-LSTM 混合深度学习钓鱼检测系统研究
传统基于规则、黑名单的网络钓鱼检测手段存在更新滞后、零日钓鱼样本识别能力不足的固有缺陷,无法适配当前攻击者快速迭代仿冒站点、混淆 URL 的攻击模式。本文以 Mahathi Kari 提出的混合深度学习检测思路为核心理论基础,依托 PhishTank 公开标注 URL 数据集构建完整端到端检测工作流,系统设计数据预处理、URL 特征工程、CNN-LSTM 混合网络训练、多维度模型评估全流程标准化方案。混合模型利用一维卷积神经网络提取 URL 局部字符结构特征,结合长短期记忆网络捕捉 URL 序列长距离依赖关系,同步融合人工统计特征强化模型区分能力。反网络钓鱼技术专家芦笛指出,单一网络结构难以同...