伴随着信息时代的快速发展,网络安全也越来越被重视。现如今的电子商务相关产品的层出不穷使得个人信息安全问题变得严峻。因此我们必须对此做出相应的对策。在这个信息时代,用更智能的方法将钓鱼网站检测变得更加方便简单。钓鱼网站一直是网络安全中需要解决的难题之一,它的隐蔽性很高,但造成的损失往往很大。针对钓鱼网站的研究,有很多学者通过机器学习算法对钓鱼网站和正常网站进行分类。本文主要根据在钓鱼网站检测中常用的分类算法为基础,通过对网站的URL特征和页面内容特征进行实验比较研究,同时设计并实现了一个高性能的钓鱼网站检测系统。主要工作内容如下:1)首先本文分析了一次完整的钓鱼网站攻击案例,之后结合现今的钓鱼网站检测技术,其中包括黑白名单库检测机制、启发式钓鱼网站检测机制和基于视觉相似性的检测机制。并针对上述检测机制进行了优劣比较和总结。2)然后通过调研及钓鱼网站的发展趋势,设计并实现了钓鱼网站检测引擎,其中包括黑白名单检测机制,分析了几种查询算法的原理,并优化选择最佳的算法,黑名单检测机制主要工作是直接过滤大量已经鉴别过的网站,降低系统性能开销;引擎的第二部分是URL检测机制,通过收集现今钓鱼网站的URL,并分析这些URL的特征得到了11个钓鱼网站的URL特征,通过逻辑回归算法对其进行训练并分类;最后一部分是页面内容特征检测,结合钓鱼网站实际情况,通过每篇前K个特征选取方法,结合线性SVM算法得到高性能模型,并且通过实验对比得到最佳的页面内容特征数。3)最后介绍了钓鱼网站检测系统的整体架构设计和系统部署方式以及系统的运行性能,在架构设计中考虑了系统最为服务系统的性能问题,并设计实现了高性能的服务系统架构;在系统部署中提出了Nginx反向代理服务器作为,并分析其原理,为整个系统做负载均衡;系统性能测试先对各个检测进行训练,对比常见分类算法对于页面检测系统中的性能,然后对系统进行整体测试得到最后的检测结果。