钓鱼网站是指不法分子利用各种手段仿冒的银行、电子商务等网站,以此来骗取用户银行或信用卡账号、密码等私人信息。为了取得用户的信任,钓鱼袭击者通常会模拟合法网页来构建钓鱼网页,所以一个钓鱼网站与它的目标网站之间是有着很强的关联性的。本文提出一种基于网页关联性的钓鱼网页检测方法。网页关联性主要包括网页图像感知哈希关联性、搜索关联性、文字关联性和网页整体关联性,本文将这四种关联性用于钓鱼网页的检测以及特征库的构建与更新,主要的工作与贡献如下:首先,研究基于图像感知哈希关联性的钓鱼网页检测方法。将网页以图片格式保存,提取图像的主要可视像素点,由这些像素点组成感知哈希序列,再进行图像的相似度匹配。该方法既克服了钓鱼网页存活时间短的问题,又能快速地与特征库进行匹配。实验结果表明,该方法在保证一定误判率和召回率的情况下大大提高了匹配速度。其次,研究特征库的构建。钓鱼网页更新速度是很快的,所以在进行反钓鱼袭击的工作中,除了要考虑钓鱼检测方法的优劣外,还需要考虑特征库的构建问题。本文提出一种新的由钓鱼网页查找目标网页的方法,用这些目标网页来构架特征库。该方法通过提取到的钓鱼网页中的关键词组成一个词汇签名,将词汇签名在多个搜索引擎上进行检索,综合搜索结果,最终找出钓鱼网页的目标网页。经过实验验证,该方法收集的数据确实提高了钓鱼检测方法的正确率。最后,研究特征库的更新。利用搜索引擎检索目标网页的方式来及时更新网页特征库。仿真实验证明,对特征库进行更新有助于降低误判率。