基于密度与距离的钓鱼邮件检测方法
针对钓鱼邮件检测过程中提取特征数量愈加庞大,检测效果没有明显提升且时间成本增加这一问题,提出了一种钓鱼邮件检测方法. 该方法提出将原始的42维邮件特征转换为2个新特征,即基于密度的特征和基于距离的特征,检测准确率最高可达99. 74% ,分类时间仅需3. 39 s,是传统算法的1/20. 实验结果表明,该方法具有较好的检测效果,并且降低了时间成本.
机器学习、钓鱼邮件、特征提取、维度缩减、支持向量机
45
TP 393.098
国家重点研发计划资助项目2017YFB0802703;国家自然科学基金资助项目61602052
2019-08-30（万方平台首次上网日期，不代表论文的发表时间）
共8页
546-553
