信息时代造成的互联网用户井喷式增长,在为世界注入经济增长新动力的同时也为恶意黑客带来了获利途径。作为社会工程学攻击的一种,网络钓鱼攻击（Phishing）利用人性的弱点通过伪造自身身份进行作案,使其逐渐成为花样繁多的互联网欺诈中经济危害最为严重、拼接其它攻击手段最多的一种在线攻击形式。尽管网络安防人员提出了一系列检测钓鱼网站的方法,但随着钓鱼网站隐匿^[42]手段的不断发展,使得传统方法对新出现的钓鱼网站进行特征提取变的愈发困难。而神经网络的出现,使得视觉特征被高精度提取成为可能,从而使特征提取的途径除服务器文件特征提取之外还可以将自然人所见图像进行特征抽取。如何借助新兴的神经网络技术,突破钓鱼网站的隐匿性屏障,完成钓鱼网站检测道路上“魔高一尺,道高一丈”的超越,正成为钓鱼网站检测研究中的新热点。本文基于神经网络方法进行特征提取并结合启发式规则与搜索引擎进行钓鱼网站检测。以对抗钓鱼网站隐匿性为主体研究脉络,从特征提取与预处理、网站身份溯源研究、网页过滤研究与钓鱼嫌疑判定四个方面对钓鱼网站检测的方法展开研究,以求在规避钓鱼网站隐匿性与检测效果的提升上获得一定的成果,主要创新点与研究工作如下:（1）以神经网络提取文本特征为基础,本文提出将色彩丰富度（Colorfulness）的指标结合文字位置及大小等其它特征运用在钓鱼网站身份关键词的确定上,建立了身份关键词4层级联匹配规则。相比传统单纯使用TF-IDF方法或位置信息确定身份关键词的方法,身份关键词的确定准确度提升了2%。（2）引入Shodan网络空间安全引擎,提出了基于身份关键词与favicon图标的双溯源机制。引入“无直接钓鱼风险网站”的待定阶段,将由身份关键词主导的第一轮溯源与通过favicon哈希主导的第二轮溯源结合,相互弥补提升效能。（3）提出了NNIS钓鱼网站检测方法。NNIS检测方法由基于神经网络的图像特征提取、基于图像特征的身份关键词溯源以及基于搜索引擎与启发式规则的钓鱼网站判别三部分组成。最终达到了98%准确率,与马修斯相关指数（Matthew’s Correlation Coefficient）0.9602的良好效果。