یک راه کار نرم افزاری برای تشخیص سایتهای فیشینگ با استفاده از انتخاب ویژگی بر اساس الگوریتم-های فراابتکاری
Publish place: he First National Conference on Innovative Research in Electrical and Computer Engineering
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 283
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRECE01_009
تاریخ نمایه سازی: 9 مهر 1401
Abstract:
در حملات فیشینگ یک سایت جعلی از روی سایت اصلی جعل شده که ظاهر بسیار شبیه به سایت اصلی دارد. فیشر یا سارق آنلاین برای هدایت کاربران به این سایتها، معمولا لینکهای جعلی را در ایمیل قرار داده و برای قربانیان خود ارسال نموده و با روشهای مهندسی اجتماعی سعی در فریب کاربران و مجاب نمودن آنها برای کلیک روی لینک های جعلی دارد. حملت فیشینگ زیان مالی قابل توجهای دارند و بیشتر حملات روی بانکها و درگاه های مالی متمرکز است. روشهای یادگیری ماشین یک روش موثر برای تشخیص حملات فیشینگ است اما این مشروط به انتخاب ویژگی بهینه است. انتخاب ویژگی باعث میشود فقط ویژگیهای مهم به عنوان ورودی یادگیری در نظر گرفته شوند و خطای تشخیص حملات فیشینگ کاهش داده شود. در روش پیشنهادی برای کاهش دادن خطای تشخیص حملات فیشینگ یک طبقه بندی کننده شبکه عصبی مصنوعی چند لایه استفاده شده که فاز انتخاب ویژگی آن با الگوریتم بهینه سازی شیرمورچه انجام می-شود. ارزیابی و آزمایشات روی مجموعه داده Rami که مرتبط با فیشینگ است نشان میدهد روش پیشنهادی دارای دقتی در حدود%۹۸.۵۳ است و نسبت به شبکه عصبی مصنوعی چند لایه خطای کمتری دارد. روش پیشنهادی در تشخیص حملات فیشینگ از روشهای یادگیری BPNN، SVM، NB، C۴.۵، RF و kNN با مکانیزم انتخاب ویژگی توسط الگوریتم PSO دقت بیشتری دارد.
Keywords:
Authors
مهشید صادقی باجگیران
کارشناسی ارشد نرم افزار , موسسه آموزش عالی اشراق بجنورد، بجنورد، ایران
فرهنگ پدیداران مقدم
استاد یار گروه کامپیوتر موسسه آموزش عالی دانشگاه اشراق بجنورد، بجنورد، ایران
احسان جعفری
استاد یار گروه کامپیوتر موسسه آموزش عالی دانشگاه اشراق بجنورد، بجنورد، ایران