在 Python 中使用机器学习来检测钓鱼链接

在网络钓鱼攻击中，中使用户会收到一封带有误导性链接的用机鱼链邮件或信息，攻击者可以利用它来收集重要数据，器学比如你的习检银行卡密码。本文将会给出一个简短的测钓教程，旨在介绍如何检测这种网络钓鱼的中使企图。

通过网络钓鱼攻击，用机鱼链攻击者能够获得一些重要凭证，器学这些凭证可以用来进入你的习检银行或其他金融账户。攻击者发送的测钓 URL 看起来与我们日常使用的原始应用程序完全相同。这也是中使人们经常相信它，并在其中输入个人信息的用机鱼链原因。钓鱼网址可以打开一个网页，器学它看起来与你的习检银行的原始登录页面相似。最近，测钓这样的网络钓鱼攻击正变得相当普遍，所以，源码下载检测钓鱼链接变得非常重要。因此，我将介绍如何在 Python 中使用机器学习来检查一个链接是误导性的还是真实的，因为它可以帮助我们看到网页代码及其输出。注意，本文将使用 Jupyter Notebook。当然，你也可以使用 Google Colab 或 Amazon Sagemaker，如果你对这些更熟悉的话。

下载数据集

第一步，我们需要用于训练数据集。你可以从下面的链接中下载数据集。

真实的链接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/legitimate-urls.csv

钓鱼链接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/phishing-urls.csv

训练机器进行预测

当数据集下载完成，我们需要使用以下几行代码来导入所需的库：

复制 import pandas as pd from sklearn.ensemble import RandomForestClassifier1.2.

如果你没有这些库，你可以使用 pip 工具来安装这些库，如下图所示：

使用 pip 工具安装依赖库

当依赖安装完成，你就可以导入数据集，并将其转换为 pandas 数据框架，使用以下几行代码进一步处理：

复制 legitimate_urls = pd.read_csv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/legitimate-urls.csv”

)

phishing_urls = pd.read_csv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/phishing-urls.csv”)1.2.

在成功导入后，我们需要把这两个数据集合并，亿华云以便形成一个数据集。合并后的数据集的前几行如下图所示：

合并后的数据集的前几行

然后去掉那些我们不需要的列，如路径(path)、协议(protocol)等，以达到预测的目的：

复制urls = urls.drop(urls.columns[[0,3,5]],axis=1)1.

在这之后，我们需要使用以下代码将数据集分成测试和训练两部分：

复制data_train, data_test, labels_train, labels_test =train_test_split(urls_without_labels, labels, test_size=0.30

,

random_state=110)1.2.3.

接着，我们使用 sklearn 的随机森林分类器建立一个模型，然后使用 fit 函数来训练这个模型。

复制 random_forest_classifier = RandomForestClassifier

()

random_forest_classifier.fit(data_train,labels_train)1.2.

完成这些后，我们就可以使用 predict 函数来最终预测哪些链接是钓鱼链接。下面这行可用于预测：

复制prediction_label = random_forest_classifier.predict(test_data)1.

就是这样啦!你已经建立了一个机器学习模型，它可以预测一个链接是否是钓鱼链接。试一下吧，我相信你会满意的!