CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

روشی برای محافظت در برابر حملات فیشینگ از جانب مشتری با تکنیک یادگیری عمیق و لیست سفید بروزرسانی شده خودکار

عنوان مقاله: روشی برای محافظت در برابر حملات فیشینگ از جانب مشتری با تکنیک یادگیری عمیق و لیست سفید بروزرسانی شده خودکار
شناسه ملی مقاله: SENACONF10_068
منتشر شده در دهمین کنگره سراسری فناوری های نوین در حوزه توسعه پایدار ایران در سال 1399
مشخصات نویسندگان مقاله:

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

خلاصه مقاله:
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.

کلمات کلیدی:
امنیت سایبری، فیشینگ، لیست سیاه، لیست سفید، ، مسمومیت.DNS

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1179716/