互联网技术的快速发展与普及,给人们生活带来了极大的方便,网络上的交易也变得越来越频繁,同时也给网络犯罪提供了平台,利用网络钓鱼进行犯罪的现象迅速增加,不仅给人们造成了严重的经济损失,给社会的信任带来严重的挑战,还扰乱了网络秩序。近年,在网上输入任何一本期刊的刊名,搜索结果便会出现至少三到五个投稿网站,其搜索结果中只有一个真实的投稿网站,其余的都是假冒的投稿网站,而研究人员在学术期刊投稿网站上还没有设计出完整的反钓鱼检测技术。本文根据这一网络现象,在学术期刊网站检测这一领域,提出一种假冒学术期刊网站检测技术,来有效保护用户隐私,维护学术社区的秩序。本论文对国内外反钓鱼检测技术进行了研究与分析,结合学术期刊投稿网站的特征,提出了一种假冒学术期刊网站检测技术。本论文首先使用期刊刊名为关键词,通过搜索引擎爬取到所有真假学术期刊网站的URL,然后通过解析工具和Whois查询提取URL特征、网页内容特征和域名信息特征,对提取的特征量进行统计与分析,通过比较真假学术期刊网站各特征之间的区别,选取合适的特征值,并计算其特征值的权值,再利用SVM(Support Vector Machine)分类学习算法训练分类器,最后利用分类器对学术期刊投稿网站进行分类和鉴别。对于每个特征值在各真假网站中出现的频率有所不同,本文提出了一种更有效的方法替代了传统的布尔型值数型,通过计算每个特征值在真假网页中出现的频率后,赋予它们不同的权重,这样就可以很好的体现每个特征值在检测时的重要程度。实验表明,给每个特征值使用权重来标注比给每个特征值使用布尔型来标注的检测准确率要高。