网络钓鱼攻击主要是通过邮件方式传播的,大量的网络钓鱼攻击使得用户遭受到巨大的经济损失。巨额的损失导致用户不信任网上银行和电子商务网站,并严重影响到电子商务的发展。因此,完成对钓鱼邮件的检测,就可以有效地防止由网络钓鱼行为导致的经济损失。由此可见,钓鱼邮件检测技术的研究是一项很有意义的课题。本文的主要工作和意义在于:1.针对钓鱼邮件的发展趋势,提出几种新的特征用于检测。网络钓鱼攻击者一直在发展其攻击策略,改变钓鱼邮件的特征,从而使邮件能绕过邮件过滤器的检测。因此,邮件特征的选取也必须根据这些攻击策略的改进而有所调整,合适的特征可以提高检测效果。本文结合了当前钓鱼邮件的特点和相应的应对策略,提出几种新的钓鱼邮件的文本特征,用于钓鱼邮件的检测。实验证明,新的特征能有效地提高钓鱼邮件的检测精度。2.采用在线学习的策略,对分类器模型进行必要更新。以往的分类检测过程中,在使用标签好的训练集完成分类器模型的训练后,模型就不再更改。而固定不变的模型,无法应对所有的钓鱼邮件检测,很有可能在检测新邮件时出现分类错误的情况。因此,对分类器进行在线学习更新很有必要。通过更新,可以有效地提高模型的分类精度,降低误判率。实验结果表明,采用了在线学习策略更新分类器模型的效果好于不更新的效果。