网络钓鱼攻击一直是最大的网络安全隐患之一，攻击者开发出与合法在线服务相似的欺诈网站，以窃取关键用户信息，如登录凭据、银行账户信息和其他敏感信息。传统的反网络钓鱼检测系统，如基于黑名单的系统、基于规则的系统等，在处理频繁出现的新钓鱼网站的检测时效果较差。为了克服传统系统的限制，本研究的作者提出了一种基于监督机器学习的反网络钓鱼检测系统，该系统使用从地址栏、域名特征和网页的其他组件（如HTML和JavaScript代码）提取的一组判别特征。使用平衡的合法和钓鱼网址集合训练和测试了一组基于机器学习和深度学习的分类器，以评估所提议系统的性能。实验结果表明，所提系统在准确性、精确度和召回率方面使用基于集成的模型（如XGBoost）相比于其他最先进的模型表现更好。
K等人（周二）研究了这个问题。