机器学习网络钓鱼数据集_特征评估

数据集概述

该数据集包含从5000个钓鱼网页和5000个合法网页中提取的48个特征，网页分别采集于2015年1月至5月、2017年5月至6月。采用基于Selenium WebDriver的浏览器自动化框架提取特征，比正则表达式解析更精准，且为WEKA兼容格式。

文件详解

• 文件名称：Phishing_Legitimate_full.arff
• 文件格式：ARFF（.arff）
• 内容说明：包含5000条钓鱼网页数据与5000条合法网页数据，共48个特征字段，无训练/测试、数据/标签或原始/处理数据的拆分，可直接用于WEKA平台的机器学习分析。

数据来源

钓鱼网页来源：PhishTank、OpenPhish；合法网页来源：Alexa、Common Crawl

适用场景

• 网络安全研究：分析钓鱼网页与合法网页的特征差异
• 机器学习模型开发：训练和基准测试钓鱼网站分类模型
• 概念验证实验：快速验证新的钓鱼检测算法或特征有效性
• 反钓鱼技术优化：为反钓鱼工具提供特征工程的数据支持