作為歷史悠久的網路攻擊，釣魚攻擊對於網路活動始終存在著一定程度的威脅，在社會上每個人對於電腦與網路高度依賴的如今，這樣的威脅只增不減。過去的釣魚網頁可能針對知名的網站服務進行模仿，用以盜取相關個資；而近年來則出現針對特定目標的魚叉式網路釣魚攻擊，為受害者量身訂做一系列可能使其受騙的釣魚網頁，對眾多企業造成大量經濟上損失的APT 進階持續性滲透攻擊，更是有絕大多數都以網路釣魚作為一系列攻擊流程的起手式。對於釣魚網頁的防範，大多仰賴瀏覽器維護更新其黑名單機制，以達到對使用者的保護。然而隨著網路釣魚攻擊逐年增加，黑名單的更新頻率勢必跟不上攻擊發生的速度，以至於在面對不存在於黑名單內的0day釣魚網頁，這樣的保護機制形同虛設。因此，建立一實時機制幫助網路使用者進行網頁分析，是面對網路釣魚攻擊相當重要的一環。
本研究利用釣魚攻擊者無法規避之網頁特質，進行對釣魚網頁的特徵蒐集，並透過機器學習技術，進行對合法網頁與釣魚網頁的預測，在準確率測試實驗中，F1-score評估分數達到了0.96。除了分析機制外，本研究亦設計完整的前後端架構，在使用者瀏覽網頁的過程中，將所需資料送至雲端分析系統進行分析，並在得到分析結果後 ─ 若為釣魚網頁 ─ 得以及時地提醒使用者可能誤入了網路釣魚攻擊者所設下的陷阱，以此達到保護使用者免於受到網路釣魚攻擊威脅之目的。

本研究實做了一基於機器學習之自動化釣魚網頁偵測系統，以及前端之使用者介面，用以在使用者瀏覽網頁的過程中進行實時偵測，並在使用者誤入釣魚網頁的陷阱時，得以及時提醒使用者。
本研究所提出之方法在偵測釣魚網頁的準確度上可達98.1% recall rate可達94.7% F1-Score可達96.4%

此技術可用於公司、機關主機中，偵測使用者是否連線至惡意釣魚網頁中，減少公司機關之資安風險。