1.3 基于深度学习的诈骗网站识别

相较于基于规则的方法，基于机器学习的诈骗网站识别方法获得了更好的效果。但基于机器学习的方法依赖于对诈骗网站的特征工程，较为耗费时间，同时随着新的诈骗网站不断涌现，依赖于专家更新分析，提取新的特征，因而耗时耗力。而深度学习技术可以有效改善上述诈骗网站识别中遇到的问题，因此有关深度学习技术的诈骗网站识别研究，也逐渐广泛。例如杜锦波^[7]、付顺顺^[8]等人采用网页分类任务的思想看待诈骗网站识别目标，结合了集成学习的思想，将多个FastText弱分类模型通过组合的方式，得到一个对于诈骗网站识别的强分类器，取得了不错的实验结果。

1.4 本文的主要研究内容

研究内容主要为对于诈骗网站的自动识别。具体来说，考虑网站所包含的文本特征和网络特征，来搭建识别模型，从而实现诈骗网站的自动识别。由于诈骗网站数量较少，可信网站数量远大于诈骗网站的数量且类别较多，即两类数据存在严重的不平衡情况，若采用二分类模型，则负类选取采样较为困难，因此考虑采用的模型为单分类模型，即训练数据仅有一类，模型最终识别样本是否属于该类。单分类模型主要有采用机器学习方法1-SVM，采用深度学习方法的CVDD。