网络钓鱼(Phishing)或欺诈URL攻击是针对互联网终端用户的一种欺诈性攻击。攻击者通过伪装成电子通信中值得信赖的人或业务来收集用户敏感信息和个人隐私,如密码和信用卡信息等。针对现有反网络钓鱼解决方案存在的局限性,本文提出了一个基于大数据的欺诈URL识别方案,主要工作包括:第一,讨论了钓鱼网站的定义、工作原理、常见攻击手段及类型,对目前主流的欺诈URL检测技术做了综述。第二,提出了一个多特征欺诈URL检测算法,该算法不仅分析了URL特征和Web页面内容特征,更深入地分析了其表单提交响应等交互情况下的动态特征,之后将这些特征使用传统机器学习算法进行训练与测试,包括随机森林、逻辑回归和支持向量机。第三,提出了一个基于字符的循环神经网络欺诈URL检测算法,该算法的输入是经过预处理后的URL字符串,首先采用Word2Vec中的Skip-gram模型将URL中出现的所有字符转为词向量,并使用基于循环神经网络的双向LSTM模型完成对URL文本的编码,最后使用激活函数实现归一化,实现对URL的分类功能。第四,最终将上述研究成果应用于Spark MLlib和Keras框架中,实现了一个欺诈URL实时检测系统,该系统检测的平均吞吐量达到了1000条/分钟。经过由PhishTank和DMOZ构成的网站数据集对系统的测试,验证了该方法的可行性和有效性,使得欺诈URL检测系统的精确率达到了98%。