面向计算机视觉反钓鱼研究的小规模多类别网页截图数据

摘要：面向计算机视觉反钓鱼研究的小规模多类别网页截图数据集，旨在为钓鱼网页识别与品牌仿冒检测提供标准化评测数据。

数据集概述

面向计算机视觉反钓鱼研究的小规模多类别网页截图数据集，旨在为钓鱼网页识别与品牌仿冒检测提供标准化评测数据。数据于2018年3月至5月采集，其中钓鱼网页来源于PhishTank和OpenPhish，正常网页则通过随机方式收集。

数据结构与关键特征

数据集共包含2852张网页截图，其中训练集1313张、测试集1539张，并按照train和val目录组织。数据涵盖15个类别，包括14个经常遭受钓鱼仿冒的品牌类别，以及用于表示正常网页、未知网页或其他网页的other类别；为符合实际反钓鱼场景，other类别包含相对更多的正常网页样本。

应用价值与研究方向

该数据集适用于基于网页视觉外观的钓鱼网站识别、品牌仿冒预测、多类别图像分类、紧凑视觉特征研究以及深度学习反钓鱼模型评估。研究人员可利用网页布局、颜色、图标和视觉结构等特征，在不依赖URL、HTML代码或文本内容的情况下识别钓鱼网页，并进一步研究未知品牌检测、类别不平衡处理和跨网站泛化能力。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-639
文件大小：760M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。