شناسایی لینک های غیر واقعی در وب با استفاده از یادگیری مبتنی بر شبکه عصبی و الگوریتم جمعی پنگوئن
Publish place: 3rd International Conference on Soft Computing
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 515
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG03_100
تاریخ نمایه سازی: 14 فروردین 1399
Abstract:
صفحات جعلی در اینترنت با انجام حملات فیشینگ زیان قابل توجه ای به کاربران اینترنت وارد می نایند و اعتماد آنها را به زیرساخت های تحت وب و تجارت الکترونیک کاهش می دهند. ارسال لینک های جعلی در اینترنت و هدایت کاربران به سمت صفحات جعلی یا فیشینگ یکی از شیوه های مهم سرقت اطلاعات در وب است و با شناسایی این لینک ها تا حدود زیادی می توان حملات فیشینگ را کاهش یا تعدیل نمود. شبکه عصبی مصنوعی یک روش مناسب برای تشخیص صفحات جعلی در اینترنت است و به کمک آن می تواند لینک های جعلی را نیز شناسایی نمود و برای افزایش دقت آن چالش مهم انتخاب وزن و بایس بهینه در شبکه عصبی مصنوعی است تا خطای خروجی کاهش داده شود. در این پژوهش برای کاهش دادن خطای شبکه عصبی مصنوعی در تشخیص حملات فیشینگ و لینک های جعلی انتخاب بهینه وزن و بایس به عهده الگوریتم بهینه سازی پنگوئن است. نتایج یاده سازی در محیط متلب نشان می دهد افزایش اندازه جمعیت و تکرار باعث می شود خطای تشخیص حملات فیشینگ یا لینک های جعلی کاهش داشته یابد. نتایج آزمایشات نشان می دهد روش پیشنهادی در تشخیص لینک های جعلی دارای شاخص دقت برابر 97.36% ، صحت برابر 97.31%، حساسیت برابر 96.62% و تشخیص برابر 95.35% است. نتایج نشان می دهد روش پیشنهادی نسبت به روش های مشابه مانند درخت تصمیم کیری، ماشین بردار پشتیبان، شبکه عصبی مصنوعی در شاخص های صحت و حساسیت دقیق تر لینک های جعلی از قانونی را تشخیص می دهد.
Keywords:
Authors
پرستو میهن نژاد
کارشناس ارشد کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد ملارد، ملارد، ایران
علی سلیمانی
عضو هیئت علمی گروه کامپیوتر، دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد ملارد، ملارد، ایران