在網絡釣魚攻擊中，用戶會收到一封帶有誤導性鏈接的郵件或信息，攻擊者可以利用它來收集重要數(shù)據(jù)，比如你的銀行卡密碼。本文將會給出一個簡短的教程，旨在介紹如何檢測這種網絡釣魚的企圖。

通過網絡釣魚攻擊，攻擊者能夠獲得一些重要憑證，這些憑證可以用來進入你的銀行或其他金融賬戶。攻擊者發(fā)送的 URL 看起來與我們日常使用的原始應用程序完全相同。這也是人們經常相信它，并在其中輸入個人信息的原因。釣魚網址可以打開一個網頁，它看起來與你的銀行的原始登錄頁面相似。最近，這樣的網絡釣魚攻擊正變得相當普遍，所以，檢測釣魚鏈接變得非常重要。因此，我將介紹如何在 Python 中使用機器學習來檢查一個鏈接是誤導性的還是真實的，因為它可以幫助我們看到網頁代碼及其輸出。注意，本文將使用 Jupyter Notebook。當然，你也可以使用 Google Colab 或 Amazon Sagemaker，如果你對這些更熟悉的話。

下載數(shù)據(jù)集

第一步，我們需要用于訓練數(shù)據(jù)集。你可以從下面的鏈接中下載數(shù)據(jù)集。

真實的鏈接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/legitimate-urls.csv

釣魚鏈接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/phishing-urls.csv

訓練機器進行預測

當數(shù)據(jù)集下載完成，我們需要使用以下幾行代碼來導入所需的庫：

    import pandas as pd
    from sklearn.ensemble import RandomForestClassifier

如果你沒有這些庫，你可以使用 pip 工具來安裝這些庫，如下圖所示：

使用 pip 工具安裝依賴庫

當依賴安裝完成，你就可以導入數(shù)據(jù)集，并將其轉換為 pandas 數(shù)據(jù)框架，使用以下幾行代碼進一步處理：

    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”)

在成功導入后，我們需要把這兩個數(shù)據(jù)集合并，以便形成一個數(shù)據(jù)集。合并后的數(shù)據(jù)集的前幾行如下圖所示：

合并后的數(shù)據(jù)集的前幾行

然后去掉那些我們不需要的列，如路徑(path)、協(xié)議(protocol)等，以達到預測的目的：

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

在這之后，我們需要使用以下代碼將數(shù)據(jù)集分成測試和訓練兩部分：

data_train, data_test, labels_train, labels_test = 
train_test_split(urls_without_labels, labels, test_size=0.30, 
random_state=110)

接著，我們使用 sklearn 的隨機森林分類器建立一個模型，然后使用 fit 函數(shù)來訓練這個模型。

    random_forest_classifier = RandomForestClassifier()
    random_forest_classifier.fit(data_train,labels_train)

完成這些后，我們就可以使用 predict 函數(shù)來最終預測哪些鏈接是釣魚鏈接。下面這行可用于預測：

prediction_label = random_forest_classifier.predict(test_data)

就是這樣啦!你已經建立了一個機器學習模型，它可以預測一個鏈接是否是釣魚鏈接。試一下吧，我相信你會滿意的!