ارایه رویکرد مناسب برای شناسایی وب سایت های فیشینگ و بررسی ویژگی ها مبتنی بر شبکه عصبی

فیشینگ، سعی و تلاش برای بدست آوردن گذر واژه، حساب کاربری، ایمیل و غیره از طریق شبکه های اجتماعی و وب سایت های پرداخت آنلاین و بانکداری الکترونیکی می باشد. نخستین هدف فیشینگ طراحی کدهای مخرب می باشد و هر فردی با دانش کم می تواند این کدها را طراحی و پیاده سازی نماید و به اهداف خود برسد. مقاله حاضر در حوزه فیشنگ روش ارایه کرده است که بتواند با استفاده از الگوریتم های یادگیری ماشین بروز فیشینگ را پیش بینی کند. جنبه نوآوری این تحقیق در بررسی اهمیت هر یک از ویژگی ها و انتخاب ویژگی های موثر در تشخیص وب سایت های فیشینگ می باشد. همچنین روش پیشنهادی مبتنی بر روش های شبکه عصبی و ماشین یادگیر بوده و با آموزش شبکه عصبی بر اساس ویژگی های موثر، سعی در بالا بردن تشخیص وبسایت های فیشینگ دارد. روش پیشنهادی این مقاله در مقایسه با سایر روش های مطرح توانست به دقت بالای 90 درصد در پیش بینی و تشخیص سایت های فیشینگ دست یابد. این در حالی است که بالاترین دقت در مقایسه با روش پیشنهادی الگوریتم درخت تصمیم بوده که دقتی حدود 85 درصد ارایه کرده است

Keywords:

فیشینگ , شبکه عصبی پس انتشار خطا , درخت تصمیم , انتخاب ویژگی