基于特征选择和增强训练的朴素贝叶斯网络钓鱼检测

第一章 绪论

1.1 研究背景及意义

1.2 主要检测方法

1.3 国内外研究现状

1.4 本论文主要内容

1.5 论文组织结构

第二章 网络钓鱼介绍与检测技术

2.1 网络钓鱼的原理

2.2 网络钓鱼的攻击方式

2.3 网络钓鱼的特点

2.4 数据挖掘相关概念

2.5 常用的分类器算法

2.5.1 朴素贝叶斯算法

2.5.2 决策树

2.5.3 KNN近邻算法

2.5.4 SVM支持向量机

2.5.5 神经网络

2.6 分类算法的评估

2.6.1 正确率

2.6.2 精准度

2.6.3 召回率

2.7 本章小结

第三章 贝叶斯分类器

3.1贝叶斯算法基本原理

3.2 朴素贝叶斯算法

3.3 贝叶斯算法的优缺点

3.4 贝叶斯算法常见的改进方法

3.4.1防止过低估计

3.4.2属性权重

3.4.3 K值

3.5 实验对比

3.6 本章小结

第四章 一种改进的基于朴素贝叶斯算法的钓鱼检测

4.1 新的朴素贝叶斯改进方法

4.1.1 信息增益与特征选择

4.1.2 调整属性权重

4.2 新的钓鱼检测训练方法

4.3 实验结果与分析

4.4 本章小结

第五章 总结与展望

5.1 本文总结

5.2 工作展望

参考文献

攻读硕士学位期间取得的学术成果

致谢