基于深度学习的网络钓鱼攻击识别方法优化研究

摘要

目前网络钓鱼攻击渠道日趋多元，自动化程度持续提高，传统识别方法局限性愈发凸显。为提升网络钓鱼攻击识别性能，本文提出涵盖数据预处理、注意力机制融合及后期特征融合的三维优化策略，构建卷积神经网络(CNN)-双向长短期记忆网络(Bi-LSTM)混合模型。实验结果表明，该模型准确率达97.8%、召回率为93.6%、误报率仅1.2%,平均处理延迟为12 ms,性能显著优于传统方法与单一深度学习模型，能够精准、实时识别网络钓鱼攻击，满足多场景部署要求，为网络安全防御提供了有力的技术保障，能够在复杂多变的网络环境中构筑坚实的网络安全防线。

关键词

深度学习 / 网络钓鱼攻击 / 识别方法 / 优化研究 / 网络安全