کاهش میزان مثبت کاذب تشخیص وب سایت فیشینگ با استفاده از ماشین بردار پشتیبان و الگوریتم بهینه سازی نهنگ

چکیده مقاله

فیشینگ به عنوان یک نمونه از راهکارهای مهندسی اجتماعی در نظر گرفته می شود که به منظور گمراه کردن کاربران اینترنت برای به سرقت بردن اطلاعات آنان استفاده می شود هدف ما در این مقاله تشخیص سایت های فیشینگ با افزایش دقت تشخیص و کاهش هشدار مثبت کاذب است برای رسیدن به این هدف در این کار از ماشین بردار پشتیبان بهینه شده با الگوریتم فراابتکاری نهنگ استفاده شده است ماشین بردارپشتیبان یکی از قوی ترین طبقه بندهای یادگیری ماشین است با به کارگیری الگوریتم نهنگ به تعیین مقدار بهینه پارامترهای مقیاس کرنل گوسی و پارامتر تعیین مقدار حاشیه الگوریتم ماشین بردار میپردازیم مشخص نمودن مقدار مناسب پارامتر مقیاس کرنل گوسی موجب می گردد که داده ها به شکل صحیح به فضای تفکیک پذیر خطی انتقال پیدا کند و مشخص نمودن مقدار مناسب پارامتر تنظیم حاشیه موجب می گردد که ماشین بردار پشتیبان بتواند به طور صحیح ابر صفحه جداکننده بهینه را پیدا نماید در نهایت با پیاده سازی انجام شده به معیار دقت به مقدار %۹۸ ۲ دست پیدا کردیم که نسبت به راهکارهای پیشین %۱ افزایش دقت بدست آمده است

کلیدواژه‌ها

نویسندگان

مرتضی احمدجابر العوادی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد اصفهان

نگار مجمع

استادیار موسسه آموزش عالی نقش جهان

�حمدجابر العوادی، مرتضی و مجمع، نگار،1402،کاهش میزان مثبت کاذب تشخیص وب سایت فیشینگ با استفاده از ماشین بردار پشتیبان و الگوریتم بهینه سازی نهنگ،نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات28 اردیبهشت 1402 · بابل