اکرم سادات مصطفوی - گروه مهندسی کامپیوتر، دانشگاه بین المللی امام خمینی (ر ه)، قزوین، ایران
فرح الهیجل - گروه مهندسی کامپیوتر، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
ساره گرگبندی - دانشکده برق ، دانشگاه علم و صنعت ایران، تهران ، ایران

محبوبیت روزافزون اینترنت منجر به رشد قابل توجه تجارت الکترونیک شد با این حال، چنین فعالیت هایی دارای چالش های امنیتی اصلیهستند که ناشی از کلاهبرداری سایبری و سرقت هویت اطلاعات اشخاص است بررسی مشروعیت صفحات وب بازدید شده یک کار بسیار مهمبرای ایمن کردن هویت مشتریان و لوگیری از ملات فیشینگ است فیشینگ به عنوان ساده ترین و گسترده ترین تهدید رم سایبریشناخته شده است هکرها نیازی به شکستن کدهای رمزنگاری پیچیده و یا نقض فایروال سخت ندارند در عوض، آنها صرفا ایمیل های اساسی،انتقادی یا معقول ارسال می کنند و از گیرندگان می خواهند که اعتبار شخصی خود را با کلیک بر روی یش پیوند معرفی کنند سپس گیرندگانبه صفحات وب علی هدایت می شوند که بسیار شبیه به وب سایت های معتبر مورد هدف هستند استفاده از تکنیک های یادگیری ماشین بهطور گسدترده به عنوان یک راه حل امیدوار کننده برای تشخیش فیشینگ وب سایت شناخته شده است در این مقاله ابتدا برخی ازالگوریتم های داده کاوی و یادگیری ماشین را به منظور شناسایی سایت های قانونی از سایت های فیشینگ بررسی کردیم و سپس آن الگوریتم ها را بر روی مجموعه داده “phishing_data.csv اعمال کردیم و در نهایت امتیاز دقت این الگوریتم ها را در تشخیش فیشینگ وب سایت ها با هم مقایسه کردیم

داده کاوی، یادگیری ماشین ، رم سایبری، تشخیش سایت فیشینگ