基于随机森林和规则抽取框架的防钓鱼浏览器开发

网络钓鱼是一种受到社会工程攻击的技术，最广泛用于获取用户敏感信息，例如登录凭据和信用卡和借记卡信息等。它是由伪装成真实个体的人执行的。为了保护网络用户免受这些攻击，开发了各种反网络钓鱼技术，但它们未能以各种方式保护用户免受这些攻击。在本文中，我们提出了一种新颖的技术，通过提出一种新颖的浏览器体系结构，可以在客户端毫不费力地识别网络钓鱼网站。在这个系统中，我们使用提取框架的规则来提取仅使用 URL 的网站的属性或特征。这个列表包含 30 个不同的 URL 属性，稍后随机森林分类机器学习模型将使用它来检测网站的真实性。由 11,055 个元组组成的数据集用于训练模型。这些过程是在重新设计的浏览器架构的帮助下在客户端执行的。今天研究人员提出了机器学习框架来检测钓鱼网站，但它们还没有达到可供没有技术知识的人使用的状态。为了确保每个人都可以使用这些工具，我们在名为“嵌入式网络钓鱼检测浏览器”(EPDB) 的浏览器架构中即兴创作并引入了检测方法，这是一种在提高安全性的同时保留现有用户体验的新方法.新设计的浏览器架构引入了一个特殊的部分来实时执行网络钓鱼检测操作。我们已经对这种技术进行了原型设计，以确保最大的安全性，在实时识别钓鱼网站时准确率达到 99.36%。