Le Web est devenu un élément fondamental de nos exercices sociaux et monétaires ordinaires. L'hameçonnage de site Web peut être décrit comme imitant un site confidentiel pour obtenir des données délicates de clients en ligne, par exemple, des noms d'utilisateur et des mots de passe. L'hameçonnage est une fraude de site dans le but de suivre et de prendre les données délicates des clients en ligne. L'agresseur trompe le client avec des procédures de conception sociale telles que SMS, voix, e-mail, site Web et logiciels malveillants. Cette thèse décrit différentes limites pour identifier les sites comme hameçonneurs ou authentiques. Comme l'extraction de composants est la partie principale de ce travail, nous avons donné différentes limites d'éléments à partir desquelles on peut choisir les limites bénéfiques pour l'agencement supplémentaire du site d'entrée comme authentique ou hameçonnage. Le classificateur SVM devient plus lent lorsque la taille des informations augmente et que le taux d'exactitude est faible. L'algorithme Random Forest a été proposé pour pallier cet inconvénient. Il peut classer les sites Web comme légitimes ou non légitimes et également améliorer le taux de précision.