نسرین محمودی - دانشجوی کارشناسی ارشد دانشگاه آزاد اصفهان (خوراسگان)
فرساد زمانی بروجنی - استادیار و عضو هیئت علمی دانشگاه آزاد اصفهان(خوراسگان)

وبسایتهای جعلی با جعل هویت وبسایتهای قانونی و سرقت اطلاعات کاربران به یکی از چالشهای مهم کسب و کارهای تجارت الکترونیک تبدیل شدهاند و سالانه زیان قابل توجهای به افراد و زیرساختهای مالی در اینترنت وارد مینمایند. وبسایتهای جعلی دارای مجموعه ای از ویژگیها می باشند که میتوانند در یادگیری توسط روشهای دادهکاوی استفاده شوند. با وجود آنکه روشهای مختلفی برای تشخیص حملات سرقت آنلاین تاکنون ارایه شده است اما اکثر این روشها به دلیل پیچیدگی مسئله و تنوع ویژگیهای بکار رفته در آن دقت بالایی ندارند. یکی از روشهای متداول تشخیص صفحات جعلی و حملات سرقت آنلاین استفاده از تکنیک شبکه عصبی مصنوعی چند لایه است اما این روشها به دلیل انتخاب نامناسب مقادیر اولیه پارامترها خطای قابل توجهی را در خروجی تولید مینمایند. در این مقاله برای آموزش بهتر و دقیق تر شبکه عصبی مصنوعی از الگوریتم بهینه سازی ملخ در فاز آموزش شبکه عصبی مصنوعی استفاده شده است تا نرخ خطای طبقه بندی کاهش یابد. نتایج آزمایشات نشان میدهد روش پیشنهادی دارای کارآیی بهتری نسبت به الگوریتمهای رایج مانند شبکه بیزین، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیم گیری می باشد که نشان دهنده برتری روش پیشنهادی در تشخیص صفحات جعلی است.

صفحات جعلی، وبسایت های سرقت آنلاین، الگوریتم بهینه سازی ملخ، سرقت اطلاعات، مهندسی اجتماعی