دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

پیش بینی روشی برای تشخیص سایت های فیشینگ با استفاده از الگوریتم های یادگیری ماشین

نویسندگان :

سمیه عظیمی¹

1- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

امنیت سایبری،تشخیص وب‌سایت مشکوک

چکیده :

با گسترش فضای وب و افزایش تعاملات آنلاین، حملات فیشینگ به یکی از تهدیدات جدی برای امنیت اطلاعات کاربران تبدیل شده‌اند. در این پژوهش، هدف اصلی شناسایی وب‌سایت‌های فیشینگ با بهره‌گیری از الگوریتم‌های مختلف یادگیری ماشین و بر پایه‌ی ویژگی‌های ساختاری URL می‌باشد. مجموعه‌داده مورد استفاده، تلفیقی از دو پایگاه داده معتبر مربوط به وب‌سایت‌های فیشینگ است که پس از یکپارچه‌سازی، شامل 10077 نمونه با ویژگی‌هایی نظیر طول URL، تعداد کاراکترهای خاص است. در این مطالعه، شش الگوریتم یادگیری ماشین شامل درخت تصمیم (Decision Tree)، نزدیک‌ترین همسایه (KNN)، بیز ساده (Naive Bayes)، شبکه عصبی (Neural Network)، جنگل تصادفی (Random Forest) و یادگیری عمیق (Deep Learning) مورد ارزیابی قرار گرفتند. نتایج حاصل نشان می‌دهد که الگوریتم یادگیری عمیق با دقت 88٪ بهترین عملکرد را داشته و پس از آن شبکه عصبی با دقت 87.10٪ و KNN با دقت 86.03٪ قرار دارند.