# pattern_recognition_assignment **Repository Path**: shrugging/pattern_recognition_assignment ## Basic Information - **Project Name**: pattern_recognition_assignment - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2023-12-31 - **Last Updated**: 2023-12-31 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 模式识别课程作业 ## 姓名：卢俊羲 学号：239288 学院：网络空间安全学院 ## 引言 作为最为常见的Web攻击手段之一，钓鱼攻击旨在通过伪造界面窃取受害者的敏感信息。钓鱼网站攻击者通常尝试冒充众所周知并广泛使用的服务，如社交媒体、银行和电子商务网站。这些仿冒网站通常建立在与原始站点相同的代码基础上，这可能使它们在第一眼看来难以被发现。我们可以通过许多相关指标来区分良性和钓鱼网站。例如，大多数钓鱼URL往往非常长，带有多个子域和特殊字符。域名通常托管在可疑的主机上，并使用由不受信任的机构颁发的安全套接层（SSL）证书。目前有许多工作旨在实现针对钓鱼网站攻击的防御。其中一些实现使用传统技术，如黑名单或URL词汇特征分析。然而，黑名单存在多个缺点，如需要人工辅助更新且缺乏全面性。此外，它们不能用于未知和隐藏的URL。其他技术利用机器学习来训练模型，根据一定数量的样本对网站进行分类。然而，在大多数方法中，并未涉及网站的超链接结构。 本次课程作业设计了一个利用超链接结构特征进行网站分类的模型。此外还对模型的表现进行了评估。获得的性能结果证明了的方法在检测精度方面的效率和有效性，以及其在超越现有检测方法方面的能力。 ## 方案 ### 相关基础 图神经网络 图神经网络（GNNs）是一种以图数据为输入的神经网络类型。与其他神经网络架构不同，GNNs能够处理非欧几里得数据和对象之间的复杂关系。大多数GNNs遵循消息传递模型（MPNN）（Gilmer等，2017年），可以被认为是图的卷积神经网络（CNN）的概括。这种消息传递算法以图G=(V,E)作为输入，其中n个节点vi属于V，m条边(vi,vj)属于E，G可以是有向或无向的。每个节点和边都可以分别存储一个特征向量，称为节点特征和边特征。通常，所有这些信息都通过三个矩阵表示： A：图结构矩阵，邻接矩阵情况下形状为n×n，对于CSR（压缩稀疏行）或COO（坐标）稀疏矩阵则为2×n。 X：节点特征矩阵，形状为n×d。 E：边特征矩阵，形状为m×e。 其中，n=|V|，m=|E|，d和e分别是每个节点和每条边的特征数量。 消息传递模型由四个步骤组成，其中步骤1到3由一个GNN层实现，并且随着层数的增加多次重复。步骤4是一个最终步骤，应在通过所有GNN层后应用。 消息：每个节点根据其节点特征创建一个消息并发送给所有邻居。 聚合：节点使用聚合函数聚合来自每个邻居的传入消息。 更新：节点的旧特征通过与聚合的新特征合并来更新，创建节点嵌入。 读出：将所有节点嵌入组合成一个表示，可以用于下游机器学习算法进行预测。 每个步骤通常是一个具有可学习参数的函数，即在两个步骤的计算中使用权重矩阵和激活函数。一个GNN层通常对应于特征在1-hop邻域内的传播，所以堆叠n个GNN层将导致节点特征传播到n个远程节点。在这些层中，每个节点收集其邻居的特征，以产生图嵌入。 ### 模型介绍 本次作业完成了一个基于图神经网络的网站分类（钓鱼或良性）模型。模型可以被认为是GNN架构的附加层。模型使用图来表述网站的超链接结构。模型将钓鱼网站分类的任务视为一个节点分类任务，其中要分类的节点是给定的URL，其他节点代表从该URL发出的每个可能的链接，直到用户定义的深度。从这些链接中可以构建一个图，其中节点代表URL，边是从`、
`或`