一种融合URL字符和HTML内容语义的钓鱼网页检测方法

本发明公开一种融合URL字符和HTML内容语义的钓鱼网页检测方法，基于多尺度卷积策略的URL字符级局部特征精细提取，利用不同尺寸卷积核的CNN并行处理URL字符串，提取不同粒度的特征，从而全面捕捉数据的多层次信息，增强模型对URL潜在威胁的敏感；基于级联密集连接CNN架构的HTML文本词级特征提取。通过堆叠多个卷积层并在卷积块之间建立密集连接，提取更深层次和细粒度的语义特征；通过全连接层将URL特征字符和HTML特征进行融合，并计算出相应的概率以判定其是否为钓鱼网页。本发明充分利用深度学习算法的优势，整合钓鱼网页的URL字符与HTML内容的特征，形成更为全面的语义表示，极大地提高了钓鱼网页检测的识别率。