在网络钓鱼攻击中，用户会收到一封带有误导性链接的邮件或信息，攻击者可以利用它来收集重要数据，比如你的银行卡密码。本文将会给出一个简短的教程，旨在介绍如何检测这种网络钓鱼的企图。
通过网络钓鱼攻击，攻击者能够获得一些重要凭证，这些凭证可以用来进入你的银行或其他金融账户。攻击者发送的 URL 看起来与我们日常使用的原始应用程序完全相同。这也是人们经常相信它，并在其中输入个人信息的原因。钓鱼网址可以打开一个网页，它看起来与你的银行的原始登录页面相似。最近，这样的网络钓鱼攻击正变得相当普遍，所以，检测钓鱼链接变得非常重要。因此，我将介绍如何在 Python 中使用机器学习来检查一个链接是误导性的还是真实的，因为它可以帮助我们看到网页代码及其输出。注意，本文将使用 Jupyter Notebook。当然，你也可以使用 Google Colab 或 Amazon Sagemaker，如果你对这些更熟悉的话。
下载数据集
第一步，我们需要用于训练数据集。你可以从下面的链接中下载数据集。
- 真实的链接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/legitimate-urls.csv
- 钓鱼链接：https://github.com/jishnusaurav/Phishing-attack-PCAP-analysis-using-scapy/blob/master/Phishing-Website-Detection/datasets/phishing-urls.csv
训练机器进行预测
当数据集下载完成，我们需要使用以下几行代码来导入所需的库：
“`
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
“`
如果你没有这些库，你可以使用 pip 工具来安装这些库，如下图所示：
当依赖安装完成，你就可以导入数据集，并将其转换为 pandas 数据框架，使用以下几行代码进一步处理：
“`
legitimateurls = pd.readcsv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/legitimate-urls.csv”)
phishingurls = pd.readcsv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/phishing-urls.csv”)
“`
在成功导入后，我们需要把这两个数据集合并，以便形成一个数据集。合并后的数据集的前几行如下图所示：
然后去掉那些我们不需要的列，如路径（path）、协议（protocol）等，以达到预测的目的：
“`
urls = urls.drop(urls.columns[[0,3,5]],axis=1)
“`
在这之后，我们需要使用以下代码将数据集分成测试和训练两部分：
“`
datatrain, datatest, labelstrain, labelstest = traintestsplit(urlswithoutlabels, labels, testsize=0.30, randomstate=110)
“`
接着，我们使用 sklearn 的随机森林分类器建立一个模型，然后使用 fit 函数来训练这个模型。
“`
randomforestclassifier = RandomForestClassifier()
randomforestclassifier.fit(datatrain,labelstrain)
“`
完成这些后，我们就可以使用 predict 函数来最终预测哪些链接是钓鱼链接。下面这行可用于预测：
“`
predictionlabel = randomforestclassifier.predict(testdata)
“`
就是这样啦！你已经建立了一个机器学习模型，它可以预测一个链接是否是钓鱼链接。试一下吧，我相信你会满意的！
via: https://www.opensourceforu.com/2022/04/detect-a-phishing-url-using-machine-learning-in-python/
作者：Jishnu Saurav Mittapalli 选题：lkxed 译者：lkxed 校对：wxy
主题测试文章，只做测试使用。发布者：eason，转转请注明出处：https://aicodev.cn/2022/05/03/%e5%9c%a8-python-%e4%b8%ad%e4%bd%bf%e7%94%a8%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e6%9d%a5%e6%a3%80%e6%b5%8b%e9%92%93%e9%b1%bc%e9%93%be%e6%8e%a5/
