随着互联网的诞生和普及,人们的生活方式发生了巨大的改变。网络从衣、食、住、行等各个方面给人们带来了便利,但同时,也带来了一定的安全隐患。网络用户在网站注册个人信息的同时也会有信息泄露的风险。如今,一些不法分子,利用大部分普通互联网用户对网络的不熟悉,对风险意识的淡薄等,通过仿冒一些合法的网站,迷惑用户点击和浏览,从而骗取用户的个人信息、银行卡密码等,进行一些非法的活动,给用户造成巨大的经济损失或其他方面的困扰。因此,如何通过技术手段,识别网站是否为仿冒的非法网站,在用户点击时进行提醒,以减少用户信息泄露的可能性具有重要的研究意义和现实应用价值。本文主要从怎样识别一个网站是否为仿冒网站和怎样找到一个仿冒网站所仿冒的目标网站两个方面对仿冒网站识别展开研究。在识别仿冒网站方面,从多个角度提取特征并利用多个分类器进行分类实验与对比分析,设计并实现了仿冒网站识别系统。在发现被仿冒目标网站方面,提出关联关系挖掘的算法从多个方面挖掘关联关系并设计实现了基于关联关系的被仿冒目标网站发现系统。本文的主要研究内容如下:首先,本文以URL和HTML两个层面为出发点,从构成规则、内容、关键词等多个角度提取了大量用于识别仿冒网站和合法网站的特征,并描述了这些特征的提取方法。同时,通过分析仿冒网站和合法网站在对应特征上的差异性,说明了提取到的特征的合理性。其次,本文在特征提取的基础上,通过一些特征筛选方法对特征筛选。一方面为了减少特征维度,提高模型训练速度和预测结果的准确度;另一方面,为了减少提取到的特征对数据集的依赖性。通过分析多种分类器模型的分类原理与适用场景,本文基于卷积神经网络和随机森林设计了一种新的分类器模型CNNRF。通过与随机森林、卷积神经网络、深度森林、逻辑回归等分类器模型进行实验对比,验证CNN-RF在仿冒网站识别方面的优势。然后,以CNN-RF为分类器模型进行分类实验,分析不同数量的样本、不同的特征对分类结果的影响。最后,本文提出了被仿冒目标网站发现算法并设计实现了被仿冒目标网站发现系统。根据仿冒网站是通过仿冒合法网站以达到欺骗用户的目的这一特性,从链接、关键词、网站排名、网站间内容、结构、样式上的相似性等方面挖掘仿冒网站和疑似目标网站间的关联关系,找到仿冒网站所仿冒的目标网站。通过实验表明,本文提出的识别仿冒网站的特征以及使用到的分类器模型可以有效识别网站是否为仿冒网站;实现的基于网站间的关联关系查找被仿冒目标网站的方法可以在一定程度上发现仿冒网站所仿冒的目标网站。