Merge pull request #25435 from wxy/20220429-Detect-a-Phishing-URL-Using-Machine-Learning-in-Python

RP:published/20220429 Detect a Phishing URL Using Machine Learning in Python.md

published/20220429 Detect a Phishing URL Using Machine Learning in Python.md

@@ -3,15 +3,16 @@
 [#]: author: "Jishnu Saurav Mittapalli https://www.opensourceforu.com/author/jishnu-saurav-mittapalli/"
 [#]: collector: "lkxed"
 [#]: translator: "lkxed"
-[#]: reviewer: " "
+[#]: reviewer: "wxy"
-[#]: publisher: " "
+[#]: publisher: "wxy"
-[#]: url: " "
+[#]: url: "https://linux.cn/article-14535-1.html"
 
 在 Python 中使用机器学习来检测钓鱼链接
 ======
+
 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。
 
-![网络钓鱼攻击][1]
+![](https://img.linux.net.cn/data/attachment/album/202205/02/180603k231bbvubv3b23u6.jpg)
 
 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。
 
@@ -19,15 +20,14 @@
 
 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*
+* 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
-*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：
 
-```python
+```
 import pandas as pd
 from sklearn.ensemble import RandomForestClassifier
 ```
@@ -38,7 +38,7 @@ from sklearn.ensemble import RandomForestClassifier
 
 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：
 
-```python
+```
 legitimate_urls = pd.read_csv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/legitimate-urls.csv”)
 phishing_urls = pd.read_csv(“/home/jishnusaurav/jupyter/Phishing-Website-Detection/datasets/phishing-urls.csv”)
 ```
@@ -47,28 +47,28 @@ phishing_urls = pd.read_csv(“/home/jishnusaurav/jupyter/Phishing-Website-Detec
 
 ![合并后的数据集的前几行][3]
 
-然后去掉那些我们不需要的列，如<ruby>路径<rt>path</rt></ruby>、<ruby>协议<rt>protocol</rt></ruby>等，以达到预测的目的：
+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：
 
-```python
+```
 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：
 
-```python
+```
 data_train, data_test, labels_train, labels_test = train_test_split(urls_without_labels, labels, test_size=0.30, random_state=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。
 
-```python
+```
 random_forest_classifier = RandomForestClassifier()
 random_forest_classifier.fit(data_train,labels_train)
 ```
 
 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：
 
-```python
+```
 prediction_label = random_forest_classifier.predict(test_data)
 ```
 
@@ -81,7 +81,7 @@ via: https://www.opensourceforu.com/2022/04/detect-a-phishing-url-using-machine-
 作者：[Jishnu Saurav Mittapalli][a]
 选题：[lkxed][b]
 译者：[lkxed](https://github.com/lkxed)
-校对：[校对者ID](https://github.com/校对者ID)
+校对：[wxy](https://github.com/wxy)
 
 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出