近年来,信息诈骗类安全事件数量快速增长。一方面,钓鱼网站传播范围更广泛;另一方面,攻击手段更趋于多样化。如何全面准确地监测钓鱼网站成了挑战性的课题,受到了越来越多的关注。从钓鱼网站本质出发,钓鱼攻击者为了使网页在视觉上达到相似的效果,通常使用合法网站中的图像元素进行伪装;同时,在网页中以图片代替文字成为常见的规避检测的手段。因此基于图像相似性的钓鱼检测变得尤为重要。在图像特征提取方面,SIFT算法具有良好的特性,其提取的特征具有尺度不变性,能较好的适应钓鱼页面多变的情况。但在某些因素影响下,若一张图片中存在大量形状相似的区域,在使用SIFT进行图像匹配时会产生一定的误匹配点。为了解决这个问题,本文提出了一个新匹配算法,该方法在对特征进行匹配时加入几何一致性约束,剔除掉邻域斜率不相似的点,同时加入Pearson相关系数约束,对特征向量进行进一步筛选,有效地改善了原始匹配算法约束小,没有考虑空间几何约束信息的问题。对比改进前后的匹配算法,分别对经过噪声,旋转缩放、光照变化以及图像视角变化后的图像进行匹配,结果表明,改进后的匹配算法有效的降低了误配率,与原始SIFT算法相比,误配率降低4～6个百分点,且更具稳定性。同时,不同钓鱼网站展示诱导信息的形式不同,单一层面的钓鱼检测在检测效果上很难达到实际应用的要求,容易被钓鱼攻击者有针对性的规避检测。针对这一问题,本文给出了 CADW集成方法,根据网站不同类型特征的特点构建基础分类器,通过计算基础分类器两两之间的关系,自动为每个分类器确定一个权重,最终对多个分类器的预测结果进行加权集成。实验对比了 CADW集成方法与其他常用的集成方法钓鱼检测的效果,采用权威网站上爬取的合法网站和钓鱼网站数据集,利用朴素贝叶斯(NBC)、支持向量机(SVM)和改进的SIFT匹配三类算法,构建了六个基础分类器。良好的实验结果表明本文给出的CADW集成方法具有更高的准确率和召回率。