钓鱼网站特征分析与识别数据集
数据来源：互联网公开数据
标签：钓鱼网站,网络安全,机器学习,URL分析,风险评估,恶意网站,安全研究
数据概述：
本数据集旨在用于钓鱼网站的分析与检测，包含了多种特征，用于区分合法网站和钓鱼网站。数据集共包含31列，其中30列为特征，1列为目标变量。
特征描述：
URL相关特征：
Prefix_Suffix：检查URL中是否包含连字符（-），钓鱼网站常用于混淆用户。
double_slash_redirecting：检测URL是否使用双斜杠（//）进行重定向，可能表明钓鱼企图。
having_At_Symbol：识别URL中是否存在@符号，常被用于欺骗用户。
Shortining_Service：指示URL是否使用了缩短服务（如bit.ly, tinyurl）。
URL_Length：衡量URL的长度，钓鱼网站的URL通常较长。
having_IP_Address：检查是否使用IP地址代替域名，这通常是可疑行为。
域名相关特征：
having_Sub_Domain：评估子域名的数量，钓鱼网站可能包含过多的子域名。
SSLfinal_State：指示网站是否具有有效的SSL证书（安全连接）。
Domain_registeration_length：衡量域名注册的时长，钓鱼网站的域名寿命通常较短。
age_of_domain：域名的创建时间（天），较旧的域名通常更值得信赖。
DNSRecord：检查域名是否具有有效的DNS记录，钓鱼域名可能缺少这些记录。
网页相关特征：
Favicon：确定网站是否使用外部图标（favicon），这可能是钓鱼的迹象。
port：识别网站是否使用可疑或非标准端口。
HTTPS_token：检查URL中是否包含“HTTPS”但被欺骗性地使用。
Request_URL：衡量从不同域加载的外部资源的百分比。
URL_of_Anchor：分析锚标签（链接）及其可信度。
Links_in_tags：检查、和标签中的外部链接。
SFH (Server Form Handler, 服务器表单处理程序)：确定表单操作是否以可疑方式处理。
Submitting_to_email：检查表单是否直接将数据提交到电子邮件而不是Web服务器。
Abnormal_URL：识别网站的URL结构是否与常见模式不一致。
Redirect：计算重定向的数量，钓鱼网站可能具有过多的重定向。
行为相关特征：
on_mouseover：检查网站在鼠标悬停时是否更改内容（用于欺骗技术）。
RightClick：检测是否禁用右键单击功能（钓鱼网站可能会禁用）。
popUpWindow：识别弹出窗口的存在，这可能用于欺骗用户。
Iframe：检查网站是否使用标签，通常用于钓鱼攻击。
流量和搜索引擎相关特征：
web_traffic：衡量网站的Alexa排名，钓鱼网站的流量通常较低。
Page_Rank：Google PageRank分数，钓鱼网站通常具有较低的PageRank。
Google_Index：检查网站是否被Google索引（钓鱼网站可能未被索引）。
Links_pointing_to_page：计算指向该网站的反向链接的数量。
Statistical_report：使用外部来源验证该网站是否已被报告为钓鱼网站。
目标变量：
Result：分类标签（1：合法网站，-1：钓鱼网站）
数据用途概述：
该数据集可用于：
✅ 机器学习模型 - 开发钓鱼网站检测分类器。
✅ 网络安全研究 - 了解钓鱼攻击的模式。
✅ 浏览器安全扩展 - 增强反钓鱼工具。
