网络钓鱼网站检测与可解释性研究数据集-2024
数据来源：互联网公开数据
标签：网络钓鱼,钓鱼网站,机器学习,可解释性,URL特征,安全,风险评估
数据概述：
本数据集用于训练机器学习模型，以检测网络钓鱼攻击，并研究这些模型的可解释性。数据集发布于2024年，包含了网络钓鱼网站和合法网站的样本。网络钓鱼样本收集自PhishTank和Tranco，而合法样本则从Alexa收集。数据集经过平衡处理，包含5,000个网络钓鱼样本和5,000个合法样本。每个样本由74个特征描述，这些特征是从整个URL、完全限定域名、路径名、文件名和参数中提取的。在这些特征中，70个是数值型，4个是二元型。目标变量也是二元型。
数据用途概述：
该数据集适用于机器学习模型训练、网络钓鱼检测算法开发、模型可解释性研究、安全风险评估等多种场景。 研究人员可以利用此数据构建和评估网络钓鱼检测模型；安全工程师可以基于此数据开发更有效的安全防护措施；数据科学家可以探索不同特征对网络钓鱼检测的影响，并提升模型的可解释性。 此外，该数据集也适合用于教育和培训，帮助学习者理解网络钓鱼攻击的特征和检测方法。
