شناسایی فریبنامه های فیشینگ با استفاده از روش های یادگیری ماشین

فیشینگ راهی است که تبهکاران، اطلاعاتی نظیر کلمه کاربری، رمز عبور، شماره 16 رقمی عابر بانک، رمز دوم وCVV 2را از طریق ابزارهای الکترونیکی ارتباطات به سرقت می برند. شبکه های اجتماعی، سایت های حراجی و درگاه های پرداخت آنلاین نمونه ای از ابزارهای الکترونیکی ارتباطات می باشند. کلاهبرداری فیشینگ معمولا از طریق ایمیل ها صورت می پذیرد و قربانیان به صورت مستقیم اطلاعات محرمانه خود را در سایت های جعلی که در ظاهر کاملاشبیه سایت های قانونی می باشد وارد می نمایند. به این نوع از ایمیل ها اصطلاحا فریبنامه گفته می شود. هدف اصلی این پژوهش طراحی یک سیستم امنیتیبرای شناسایی فریبنامه ها می باشد که بتواند به منظور کاهش زمان پردازش با تعداد ویژگی های کمتری فریبنامه ها را تشخیص دهد در حالیکه میزان صحت بالا را تضمین می کند. با توجه به پژوهش های قبل اگر چه فیلتر کردن بر اساس روش هایی غیر از روش های یادگیری ماشین می تواند به عملکرد قابل توجهی دست یابد اما این روش ها اغلب دارای میزان مثبت کاذب بالایی می باشند در نتیجه استفاده از آنها به عنوان یک سیستم فیلتر کردن استاندارد مناسب نمی باشد بنابراین برای دست یافتن به کارایی بهتر باید ویژگی های مهم در تشخیص فریبنامه ها را کشف کرده و براساس آنها سیستم شناسایی فریبنامه ها را بااستفاده از روش های یادگیری ماشین بنا کنیم. دراین تحقیق پایه ی انتخاب ویژگی ها را براساس مطالعات صورت گرفته در تحقیقات قبلی در نظر می گیریم وعلاوه بر آنها 2 ویژگی جدید نیز استخراج می کنیم. با استفاده از روش پیشنهادی به میزان صحت 99,385 % رسیدیم. روش پیشنهادی برای تشخیص فریبنامه هانه تنها سربار محاسباتی را کاهش داده بلکه میزان صحت را هم افزایش داده است.

Keywords:

فیشینگ , فریبنامه , هرزنامه , ویژگی , دسته بندی