روشی برای محافظت در برابر حملات فیشینگ از جانب مشتری با تکنیک یادگیری عمیق و لیست سفید بروزرسانی شده خودکار
Publish place: The 10th National Congress of the New Technologies in Sustainable Development of Iran
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 545
This Paper With 15 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:
SENACONF10_068
تاریخ نمایه سازی: 25 فروردین 1400
Abstract:
فیشینگ یک عمل متقلبانه و شکلی از حمله سایبری است که تنها با هدف جمع آوری اطلاعات با تغییر دادن وب سایتهای واقعی طراحی و اجرا شدهاست. اغلب راه حل های ضدفیشینگ دارای دو محدویت ، نیاز به زمان دسترسی سریع برای یک محیط زمان-واقعی و نیاز به نرخ (سرعت) تشخیص بالا است. در این مقاله، ما رویکرد جدیدی را برای محافظت در برابر حملات فیشینگ با تکنیک یادگیری عمیق برای کشف و استفاده از لیست سفید به طور خودکار بروزرسانی شده ی سایت های قانونی قابل دسترسی توسط کاربر انفرادی ارائه میدهیم. رویکرد ارائه شده ی ما دارای زمان دسترسی سریع و سرعت تشخیص بالا است.
Keywords:
Authors
علیرضا فرزانگان
دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان- تبریز- ایران
مرتضی یعقوبی
دانشجوی دکتری، دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد تهران جنوب-تهران- ایران