بررسی روش های تشخیص حملات فیشینگ

چکیده مقاله

با گسترش روزافزون تهدیدات سایبری نظیر حملات فیشینگ، حملات منع سرویس توزیع شده DDoS و نفوذ به شبکه، استفاده از روش های هوشمند برای تشخیص این حملات به یکی از موضوعات مهم پژوهشی در حوزه امنیت اطلاعات تبدیل شده است این مقاله با هدف مرور و تحلیل هشت پژوهش منتخب، به بررسی کاربرد الگوریتم های یادگیری ماشین و روش های انتخاب ویژگی مبتنی بر الگوریتم های بهینه سازی فراابتکاری در تشخیص حملات سایبری می پردازد در این پژوهش، مطالعات منتخب از نظر روش های انتخاب ویژگی، الگوریتم های طبقه بندی و عملکرد آن ها مورد بررسی و مقایسه قرار گرفته اند نتایج نشان می دهد که به کارگیری الگوریتم هایی نظیر هریس هاکس، پنگوئن، الگوریتم ژنتیک، بهینه سازی ازدحام ذرات PSO و تحلیل مولفه های اصلی PCA در کنار طبقه بندهایی مانند شبکه عصبی مصنوعی، جنگل تصادفی، درخت تصمیم و ماشین بردار پشتیبان، موجب کاهش ویژگی های غیرضروری، افزایش دقت تشخیص و بهبود کارایی سامانه های تشخیص نفوذ شده است همچنین، اغلب مطالعات دقتی بیش از ۹۷ درصد را در تشخیص حملات گزارش کرده اند که بیانگر اثربخشی این رویکردها در ارتقای عملکرد سامانه های تشخیص حملات سایبری است