钓鱼网站主要是指一些黑客通过仿造真实网站的页面内容以此来迷惑用户进而达到获取互联网用户的一些隐私信息,如一些金融网站的账号和密码等等。根据APWG(Anti-Phishing Working Group)发布的相关报告,近年来网络钓鱼攻击不断呈上升趋势。针对钓鱼网站检测这一问题,本文提出了两种解决方案。第一种方案是在分析了传统的一些用于钓鱼检测的技术存在的一些问题,如:需要分析大量的网页内容,这就导致时间开销过大无法满足实时检测的要求,还有的检测技术需要使用到第三方服务,这就可能会因为这些服务的异常而导致检测结果失效。因此,本文的第一种解决方案只分析网站的URL特征以及第一层页面内部链接的一些特征,然后利用机器学习的方法作为检测手段,另外还结合了搜索引擎元词搜索的特点用来寻找钓鱼网站攻击的目标对象网站,该方案在能较快识别钓鱼网站的同时还能较准确的找到钓鱼网站攻击的目标对象网站。第二种解决方案的提出基于以下两方面的因素,一是考虑到一些假冒网站可能会做反爬虫机制,因而使得一些检测技术无法获得网页内容。二是通过大量分析,钓鱼网站的URL使用的一般是方便制作并且造价便宜的域名,而合法网站的域名是有一定代表意义的,使用的基本是顶级域名。因此,第二种方案只在URL的层面进行分析,该方案借用Word2vec工具使用深度学习的方法自动学习URL的特征向量表示而不需要手工设计特征然后使用机器学习分类算法达到检测的目的,该方法在1百万的数据集上实验并做相关的评测,准确率可以达到99%以上,而且检测速度在毫秒级,相比传统的一些方法无论是准确率上还是速度上都有很大的提升。