如何建設釣魚網站

1、如何建釣魚魚塘

兄弟,首先想問一下你在哪個城市,北方還是南方?地域不同,垂釣的魚種都是有區別的,鑒於你提供的信息不足,我來講講我們這里的魚塘情況,希望對你能有幫助。
我在上海，上海有許多愛好釣魚的朋友，但很遺憾，釣魚的好地方卻不多，現在我們釣的地方一般都是商業魚塘，商業魚塘主要是承包農村裡原有的魚塘，水深普遍在1。5米到3米不等，不會很深。還有就是利用運河水系比較狹窄的水面，兩頭攔上網，承包下來做魚塘。還有就是利用公園的河，基本就這幾種。垂釣的魚以鯽、鯿、草、青、鱅、鰱為主，（魚應該認識吧）一般都是外面買來長大的成年魚投入魚塘供人垂釣，很少有自己養大的，體型最好越大釣起來就越爽。收費情況基本以釣斤為主，就是按釣上來的魚重量收錢，也有一些釣天的，按天收錢，收了錢無論釣多少想拿就拿。

這些基本是我們這里的情況了，不過居我接觸過的幾個魚塘老闆都覺得做魚塘比較辛苦，錢難賺，望兄弟投資之前多做做市場調查，謹慎行事。

2、光大銀行個人網銀登錄時提示「此網站可能是釣魚網站，建議退出」如何處理？

首先，請確認彈出風險提示的是殺毒軟體，還是其他第三方軟體？其次，光大銀行網銀及網站沒有此類文字提示，請確認登錄網址是否為光大銀行官網（www.cebbank.com)；另外，此提示多出現於工商銀行網銀助手，該軟體是工行網銀的一個輔助工具，對其他銀行的網銀存在一定的不兼容，若工行網銀助手攔截光大銀行網銀頁面或安全控制項的正常運行，建議暫時關閉該軟體。

3、自己建的網站，空網站還沒按程序，輸入域名點擊進入為什麼金山提示是釣魚網站？

有可能，域名，以前，做過，類似網站

4、釣魚池如何建設

釣魚池分類
根據大小不同一般分為家庭型釣魚池和戶外大型釣魚池。
家庭型釣魚池家庭型釣魚池 實際規格一般在：直徑：130cm-180cm之間。多見圓形，方形。有攜帶方便，操作簡潔的優點。一般適合2-4名兒童游戲。
戶外大型釣魚池戶外大型釣魚池 實際規格直徑一般在 7-9米。方形居多。由於面積大，充氣，沖水時間長。一般都是在戶外出現。可以容納60名兒童游戲。

5、大家小心「建築科學」投稿釣魚網站，有遇到的沒？

感謝樓主提醒

釣魚網站就是用病毒木馬的網站，用各式欺詐引誘的方式讓你點擊進去，從而使你的電腦感染木馬。然後黑客通過木馬侵入你的電腦控制你的電腦，你的電腦就會熟稱為肉雞。也就是任人宰割啦。

預防釣魚網站（用騰訊電腦管家舉例說明）
1、安裝殺毒軟體，然後開啟相應的防火牆
（打開騰訊電腦管家——實時防護——網頁防火牆開啟）

2、不要進奇怪的網站，自己不要輕易點擊。騰訊電腦管家有全國最大最全的釣魚網站資料庫，可以有效防止被騙。
（打開騰訊電腦管家——反饋——JU報可疑網站）騰訊電腦管家官網，也是有的

工作人員會在幾個工作日內，分析處理你所舉報的網站，並盡快給你答復的。
多舉報一個網站，互聯網就多一分安全

6、如何修建室內釣魚池?

1、建大棚：棚頂的最低高度不得少於8米，否則有礙垂釣者揚桿；

2、挖掘水池，水池的中央可以稍比四周深，還要裝上打氧水泵，防止魚兒缺氧；

3、根據自己的情況對釣場周圍進行裝修就可以了。

7、騙子發來的簡訊裡面有建設銀行的釣魚網站我輸了全部信息怎麼辦

是不是收到建行簡訊說可以積分按5%兌換現金，還有一個兌換的網址，那個是假的，建行的信用卡網站上也出通告了，我還收到過他們的提醒簡訊呢。
這個兌換簡訊並不是建行發的，是騙子用偽基站發布的消息。偽基站就是可以冒用任何號碼發送信息，今天可以冒充建行明天可以冒充工行，這個也不是建行的系統漏洞，只是一種新的詐騙方式。而且這個簡訊上的網址也不是建行的，而是大家所謂的釣魚網站，你要是輸入了卡片信息，其實都是被騙子知道了，他們會通過網上支付，還會有一個簡訊驗證碼發到你手機上，如果你把這個也告訴他們的話等於就是告訴了對方讓他們光明正大的在網上支付。
你的卡片發生盜刷要及時聯系建行，然後把卡片進行凍結就不會再用，因為銀行這里只是看到你通過輸入卡號和驗證碼等信息進行消費而已，所以找他們是沒有什麼用處的。關鍵是要趕快去報警，建行是會協助警方的。至於這個損失就不一定了，要是被盜刷的話主要是你要和這個消費的商戶進行交涉，看是否能追回。

8、如何自己搭建釣魚網站檢測系統

0×01基本系統架構
隨著電子商務、互聯網金融的快速發展，在利益的驅使下，從事「釣魚攻擊」的黑產呈逐漸上升趨勢。「釣魚攻擊」不僅對企業的品牌形象造成嚴重損害，還對用戶的賬戶安全、甚至資金安全構成了極大的威脅。
目前「釣魚攻擊」已經為了網路欺詐的重要一環，因此反釣魚系統在電子商務、金融證券、電信運營商等企業的安全運營中起著越來越重要的地位。
反釣魚系統一般有如下兩種架構。

對於這種架構主要適用於缺乏終端控制力的企業。企業可以從各個渠道收集待檢測的url，檢測引擎調用利用WebKit引擎獲取頁面渲染後的有效內容，然後調用檢測演算法對頁面內容進行檢測。檢測後將檢測結果存至資料庫，之後將檢測結果輸出至第三方的攔截系統、關停服務提供商等，最終遏制「釣魚攻擊」的發生。

對於第二種架構，適用於擁有大量終端的企業，利用終端的能力代替了WebKit。終端直接將疑似頁面的特徵發回後端的檢測引擎，檢測引擎生成檢測結果、產出黑名單，同時將檢測結果的返回至終端。
0×02檢測引擎
檢測引擎做為反釣魚系統的核心承擔著識別頁面是否為釣魚網站的任務。針對釣魚網站的檢測手段主要有IP黑名單，url分析，域名注冊信息分析，頁面內容分析，圖像識別等方法。
其中頁面內容分析一直是釣魚頁面識別的主要手段。頁面識別的主要演算法有貝葉斯演算法、機器學習演算法、Html文檔特徵等演算法。
下面介紹下如何使用貝葉斯演算法進行頁面識別。
貝葉斯演算法簡介
貝葉斯分類是一類分類演算法的總稱，是關於隨機事件A和B的條件概率和邊緣概率的一則定理。

P(A)是A的先驗概率或邊緣概率。之所以稱為」先驗」是因為它不考慮任何B方面的因素；
P(A|B)是已知B發生後A的條件概率，也由於得自B的取值而被稱作A的後驗概率；
P(B|A)是已知A發生後B的條件概率，也由於得自A的取值而被稱作B的後驗概率；
P(B)是B的先驗概率或邊緣概率，也作標准化常量。
分類原理
我們用W來代表一個待分類的網頁，用h+釣魚網頁，用h-代表正常網頁。利用貝葉斯公式，判定頁面是否為釣魚網頁可描述為：
P(h+|W)=P(h+)*P(W|h+)/P(W)
P(h-|W)=P(h-)*P(W|h-)/P(W)
P(W)為常量，可以暫時忽略。P(h+)、P(h-)為先驗概率，即一個真實的網頁集合中，釣魚網頁的比例與正常網頁的比例。
為了求得P(W|h)，我們可以將W進行分詞，W={w1,w2,w3…}。如果我們假設w1，w2等是條件無關的，則P(W|h+)=P(w1|h+)*P(w2|h+)*P(w3|h+)。
P(wi|h+)經過Laplacean平滑處理後，P(wi|h+)=(1 + 特徵詞wi在h+訓練集中的詞頻) / (全部特徵詞去重個數 + h+下所有詞出現總數)。
這樣我們便能計算出P(h+|W)與P(h-|W)，比較大小可知頁面屬於哪一分類。
數據准備
為了獲取待檢測域名，我們可以從ICANN的Centralized Zone Data Service免費獲取到全球的域名列表，做差量可得到全球的每日新增域名。之後將每日新增的域名導入到我們的待檢測列表。
我們可以通過Python調用Phantomjs去獲取頁面中內容。
Phantomjs：
var webPage = require('webpage');
var system = require('system');
var page = webPage.create();

if (system.args.length === 1) {
console.log("error");
phantom.exit();
} else {
url = system.args[1];
page.open(url, function (status) {
if (status == 'success') {
var content = page.content;
console.log(content);
} else {
console.log("error");
}
phantom.exit();
});
};

Python：
def get_page_content(url):
cmd = 'phantomjs getPageContent.js %s' % (url)
stdout, stderr = subprocess.Popen(cmd, shell = True,
stdout = subprocess.PIPE, stderr = subprocess.PIPE).communicate()
return stdout

為了得到一個貝葉斯分類器，需要一個樣本集對其進行訓練。首先要對頁面做打標分類，一類為釣魚頁面樣本集，一類為正常頁面樣本集。樣本集就是我們的原始訓練素材。
建立模型
這里針對中文的釣魚頁面建立分類模型，我們先使用正則提取出原始頁面中的中文字元。
def get_chinese_content(raw_page_content):
content_list = re.findall(ur"[\u4e00-\u9fa5]+", raw_page_content)
return "".join(content_list)

獲取頁面中文內容後，我們對其進行分詞。
def get_seg_list(chinese_content):
return jieba.cut(chinese_content)

有了基礎數據後，就可以開始訓練貝葉斯模型。我們需要一份停用詞表，類似下面的無意義作為停用詞，從樣本集的分詞結果中去掉。
一,一下,一個,一些,的,了,和,是,就,都,而,及,與,著,或,一何,一切......

我們需要統計出在兩個樣本集中總共出現了多少個不同的詞 all_unique_word_count。之後我們需要分別求出釣魚樣本集與正常樣本集各自出現了多少詞彙，all_phish_word_count, all_normal_word_count。
def count_all_unique_word(word_list):
return len(set(word_list))

all_unique_word_count = count_all_unique_word(all_word_list)

接下來我們分別統計釣魚網頁樣本集與正常網頁樣本集中各個詞語的詞頻信息，phish_word_frenquency_dict, normal_word_frequency_dict。
def get_word_frequency(word_list):
frequency_dict = dict()
for w in word_list:
if frequency_dict.has_key(w):
frequency_dict[w] = frequency_dict[w] + 1
else:
frequency_dict[w] = 1
return frequency_dict

phish_word_frenquency_dict = get_word_frequency(phish_word_list)
normal_word_frequency_dict = get_word_frequency(normal_word_list)

根據貝葉斯分類器原理推導的公式，可以計算出P(wi|h+)概率列表phish_word_probability_table與P(wi|h-)的概率列表normal_word_probability_table，這兩個table就是貝葉斯模型的核心，需要保存下來。
def get_word_probability_table(word_frequency_dict, category_word_count, all_unique_word_count):
probability_dict = dict()
for key, value in word_frequency_dict.items():
probability_dict[key] = (1 + value) / (all_unique_word_count + category_word_count)
return probability_dict

phish_word_probability_table = get_word_probability_table(phish_word_frequency_dict, all_phish_word_count, all_unique_word_count)
normal_word_probability_table = get_word_probability_table(normal_word_frequency_dict, all_normal_word_count, all_unique_word_count)

P(h+)、P(h-)我們可以直接求出，即訓練樣本集中釣魚網頁數目與正常網頁數目的比例probability_phish，probability_normal。
釣魚檢測
當有了訓練好的模型後，只要獲取了頁面的內容，進行分詞。查詢phish_word_probability_table與P(wi|h-)，計算出P(h+|W)與P(h-|W)，比較大小，判定是否為釣魚頁面。
def analyse_page(raw_page_content, probability_phish, probability_normal, phish_word_probability_table, normal_word_probability_table):
page_word_list = get_seg_list(get_chinese_content(raw_page_content))
p_phish = probability_phish
p_normal = probability_normal
for w in page_word_list:
p_phish = p_phish * phish_word_probability_table[w]
p_normal = p_phish * normal_word_probability_table[w]
return True if p_phish > p_normal else False

0×03 策略、改進
「釣魚攻擊」者為了躲避反釣魚系統的檢測，常常採取屏蔽反釣魚檢測系統IP，屏蔽特定UA，頁面使用js或flash進行動態渲染，全頁面圖片化等手段。
反釣魚系統為了與之對抗，需要充分利用雲端與終端的優勢，突破釣魚網站對檢測系統的屏蔽，並採取動態渲染的方式載入js、flash獲取頁面內容。檢測技術也從單一的文本分析進化到了大數據統計分析、機器學習分類演算法、HTML特徵、圖像識別等手段，對可疑頁面進行實時的分析。甚至是僅僅注冊了釣魚域名，釣魚網站還未開通，就對高危域名做出了預判，對風險進行感知，以降低用戶受到網路欺詐的風險。

9、新手創業，釣魚場如何建設？

我也有想法想搞魚塘的 不過我是要把魚塘分割出來 分池養 其中分對象魚 還有混養池 另外專門做提供給喜歡台釣玩家練桿的池 因為現在慢慢下去更多的人把釣魚看做是一種生活娛樂

10、如何建設一個以釣魚為主的娛樂休閑場所

兩塊水塘三四十畝不錯哪位精於此道，說說