Phishpedia 是一种基于混合深度学习的方法，用于视觉上识别钓鱼网页。传统钓鱼检测通常只输出二分类结果（钓鱼或正常），缺乏解释性；而钓鱼识别方法通过将网页与预定义的合法参考进行视觉对比，能同时报告钓鱼结果及其仿冒的目标品牌，从而提供可解释的结果。然而，现有技术在视觉分析方面面临两大挑战：（1）准确识别网页截图中的品牌标识（logo）；（2）匹配同一品牌不同变体的logo。Phishpedia 设计了一个混合深度学习系统来解决这些问题：它使用一个高效的 logo 检测器定位网页中的 logo，并采用一个基于度量学习的匹配器将检测到的 logo 与已知品牌参考库中的 logo 进行比对，从而确定该网页所仿冒的品牌。与常见方法不同，Phishpedia 无需任何钓鱼样本进行训练，仅依赖于合法网站的参考信息。实验使用真实钓鱼数据，结果表明 Phishpedia 在识别准确率和运行效率上显著优于基线方法（EMD、PhishZoo、LogoSENSE）。此外，作者将 Phishpedia 与 CertStream 服务集成并部署，在 30 天内发现了 1,704 个新的真实钓鱼网站，其中 1,133 个未被 VirusTotal 中的任何引擎报告，证明了其实际效果和增量价值。