现如今互联网已经成为人们不可缺少的必备品,各种商业活动、线上交易、交友聊天都已经离不开互联网这个大环境,互联网改变了当代人的诸多生活方式,同时又带来数不胜数的安全隐患。近些年爆发式增长的恶意网站给广大网民的财产安全带来巨大威胁。随着网络技术的不断发展,恶意网站呈现出各种各样的变化手段,使得现有的风险网站识别方法渐渐暴露出不足。风险网站的页面特征提取不够全面导致一些风险网页的漏判,同时也没有一个能够有效用于风险网页识别的特征库。由于恶意网站包含种类众多本文研究钓鱼、刷单、赌博、信贷这四类网站,本文将这四类恶意网站统一称为风险类网站。本文对传统的风险网站识别方法进行了分析,对目前网页特征提取的不充分以及特征提取方法的不足,同时结合当前Web网页检测的实际情况,对恶意网站识别检测做了进一步研究。主要研究工作如下:（1）基于开发特征和URL属性的风险网站特征提取方法:传统特征方法已经不能满足当前风险网站检测需求,提出了基于URL属性、HTML页面源码、Java Script脚本代码、CSS网页样式的开发特征提取方法。主要通过分析风险网站的开发成分,提取网页中多种开发源代码的信息特征,同时分析URL的属性信息提取其中语义特征和主机特征。将提取的特征信息表示为特征向量,并通过实验验证开发特征有效性。（2）基于网页多特征的风险网站检测方法:提出了一个基于多特征的风险网站检测模型,其中包括特征知识库检测模块和分类算法检测模块两部分,并构建了风险网站特征库。由于MD5值具有唯一性,计算特征的MD5值作为网页的特征值,使用特征值构建特征库。通过特征库进行网页特征值匹配判断网页属性,未匹配到的新特征值自动导入特征库。未匹配到风险特征的网页使用分类算法检测模块。分类算法检测模块使用开发特征和URL属性特征及网页页面隐藏的URL特征进行分类训练产生分类器并进行网页属性判断,其中将网页URL属性和网页隐藏URL属性统称为URL属性。将检测中的新特征加入下次训练产生新的分类器以适应不断变化的网页特征。分类算法检测模块主要使用了CART决策树、支持向量机SVM、贝叶斯算法、随机森林RF的分类方法,实验发现RF方法在分类算法模块中取得成绩最好。