کاهش شکاف معنایی در تشخیص وب سایت های فیشینگ مبتنی بر ماشین یادگیری سریع با هسته غیرخطی
Publish place: اولین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 798
This Paper With 6 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:
SPIS01_007
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
فیشینگ نوعی تقلب برای بدست آوردن اطلاعات حساس کاربران می باشد. مکانیسم های مختلفی برای فریب قربانیان برای هدایت به سایت های فیشینگ مورد استفاده قرار می گیرد . اگرچه راه حل های ضد فیشینگ بسیاری مطرح شده است ، با این حال فیشرها هنوز هم به فریب قربانیان ادامه می دهند . در این پژوهش دادگانی شامل 2000 صفحه که نیمی از آنها فیشینگ می باشند ، ایجاد شده است . ویژگی متعددی از هر صفحه برای توصیف نمونه ها بدست آمده است که نقش تعیین کننده ای در بهبود دقت تشخیص صفحات فیشینگ و نرمال دارد . همچنین از آنجایی که روش طبقه بندی در کاهش شکاف معنایی نقش تعیین کننده ای دارد ، از ماشین یادگیری سریع (ELM) برای یادگیری تمایز بین صفحات استفاده شده است . نتایج آزمایش های تجربی نشان دهنده افزایش دقت با این روش یادگیری مبتنی بر هسته RBF نسبت به دیگر روش های یادگیری در پژوهش های این حوزه می باشد .
Keywords:
Authors
عاطفه زنگویی
دانشجوی کارشناسی ارشد، دانشگاه یزد، دانشگاه یزد ، یزد،
ولی درهمی
دانشیار، دانشگاه یزد، دانشگاه یزد ، یزد
محمدعلی زارع چاهوکی
استادیار، دانشگاه یزد، دانشگاه یزد ، یزد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :