arXiv cs.AI· Basil Sajid Shaikh·· 14 小时前AI 评分29
用 YOLOv8 从网页截图检测钓鱼网站：准确率 92%、单图约 100 毫秒
A Computer Vision Approach to Visual Fraud Detection in Phishing Websites Using YOLOv8
AI 导读
一项研究用 YOLOv8 卷积神经网络对整页网站截图做二分类，依据布局、logo 位置、配色和登录表单结构判断钓鱼或合法，而非依赖 URL、HTML 或域名注册历史。系统在留出测试集上达到 92% 分类准确率，单张截图处理约 100 毫秒；针对光照、压缩和缩放变化做一轮数据增强后，误报率较增强前基线下降 11%。作者认为这类视觉检测器应与现有基于 URL 和内容的防御手段并用，而非替代。
正文 · AI 翻译
摘要：网络钓鱼仍然是金融和身份欺诈最常见的途径之一，而大多数检测系统仍然依赖于检查页面的 URL、HTML 标记或域名注册历史。这些信号很容易被攻击者轮换或混淆，而且它们几乎无法说明究竟是什么让受害者交出了密码或卡号：页面的外观。本文描述了一种基于图像的视觉网络钓鱼检测方法，它像人眼一样对待渲染后的网页，将其视为一张要么与可信品牌匹配、要么不匹配的图片。训练了一个 YOLOv8 卷积神经网络，根据布局、徽标位置、配色方案和登录表单结构，而不是从页面中提取的文本，将整页网站截图分类为网络钓鱼或合法。该系统在留出测试集上达到了 92% 的分类准确率，处理单张截图大约需要 100 毫秒，并且在一轮专门针对光照、压缩和缩放变化的数据增强之后，相对于增强前的基线，将误报率降低了 11%。本文详细介绍了数据集构建、增强策略、模型架构和训练设置以及由此产生的性能，最后讨论了这种视觉检测器如何与现有的基于 URL 和内容的防御措施并存，而不是取代它们。
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2609.34015 [cs.AI] |
| （或此版本的 arXiv:2609.34015v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.34015 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Basil Sajid Shaikh [查看电子邮件]
[v1]
2026 年 9 月 27 日星期日 23:19:12 UTC（300 KB）
[v2]
2026 年 10 月 24 日星期六 20:41:40 UTC（300 KB）
来源：arXiv cs.AI · arxiv.org