国内移动互联网庞大的用户基数,支撑着手机购物、手机网上银行以及移动支付等业务的迅速发展,海量的用户信息通过移动通信网络上传到各类应用服务商,用户面临严峻的网络钓鱼攻击威胁。与此同时,仿冒金融机构的钓鱼网站数量一直位居前列,网络钓鱼存在攻击集中化的趋势,针对金融领域的伪基站钓鱼已成为信息安全的重灾区。为了有效应对金融类钓鱼网页的攻击,有针对性的设计钓鱼网页检测方案,对及时有效地识别金融类钓鱼网页具有重要意义。针对现有检测方法的不足,以及金融类钓鱼网页常用的规避检测的手段,本文提出将URL特征、页面内容特征和logo图像特征相结合,建立一套完整的钓鱼网页识别系统,具体工作主要体现在以下3个方面:(1)模拟浏览器自动获取动态网页,提取多个网页内容特征。使用PhantomJS工具代替真实的浏览器,结合web自动化测试工具Selenium,实现动态网页的爬取和解析;获取网页HTML特定标签中的文本信息,利用适合中文的多模式匹配算法AC-SC(AC Suitable for Chinese)匹配出敏感文本,得到敏感文本特征;提取网页表单特征,增强对图像代替文本等伪装手段的感知能力。(2)自动截取网页logo图像,提取图像特征。以最小的尺寸定位置截取网页logo图像,利用PCA-SIFT算法提取图像特征,对logo图像拉伸、背景改变等问题具有较好的稳健性,并能降低图像特征描述子的维度,从而提高图像匹配效率。(3)建立了一套完整的金融类钓鱼网页检测系统。在提取网页特征向量之前,URL需要先经过域名黑白名单过滤;调用第三方数据接口获取URL特征,与页面内容特征、logo图像特征共形成10维特征向量;利用特征向量训练SVM分类器,得到最优分类规则并实现对钓鱼网页的识别。实验结果表明:与其它基于SVM的钓鱼网页检测系统相比,本文方法在特征选择方面表现出良好的针对性和有效性,达到了97.43%的准确率,并取得不高于0.86%的误报率。