بررسی روشهای تشخیص فیشینگ با استفاده از یادگیری ماشین

چکیده مقاله

فیشینگ یک جرم سایبری است که شامل استفاده از ایمیل ها، پیام ها و وب سایت های جعلی برای سرقت اطلاعات حساس مانند رمز عبور، جزئیات کارت اعتباری و سایر داده های شخصی است با رشد اینترنت و تراکنش های آنلاین، حملات فیشینگ به طور فزاینده ای پیچیده شده اند و شناسایی و اجتناب از آنها برای افراد دشوار شده است از این رو پژوهشگران تلاش های زیادی برای شناسایی و مقابله با این گونه حملات داشته اند تشخیص وب سایت های فیشینگ یکی از چالش های مهم امنیت سایبری محسوب می شود ۲۰۱۴, Khonji et al تحقیقات اخیر نشان داده اند که روش های یادگیری ماشین می توانند در شناسایی اینگونه حملات موثر باشند ۲۰۲۱ Ali, ۲۰۱۷ Dutta در میان رویکردهای مختلف یادگیری عمیق به دلیل توانایی در استخراج خودکار ویژگی ها، نتایج امیدوارکننده ای ارائه کرده است ۲۰۰۸, Yi et al هدف این تحقیق، بررسی روش های شناسایی وب سایت فیشینگ با استفاده از الگوریتم های یادگیری ماشین می باشد یادگیری ماشینی می تواند ابزار قدرتمندی در تشخیص وب سایت های فیشینگ باشد با آموزش الگوریتم های یادگیری ماشین بر روی مجموعه داده بزرگی از وب سایت های قانونی و تقلبی، الگوریتم ها می توانند تمایز بین این دو را بیاموزند با استفاده از یادگیری ماشین می توان سیستم های خودکاری برای تشخیص فیشینگ طراحی کرد که دقت بالایی دارند روش های سنتی تشخیص فیشینگ عمدتا بر تحلیل ویژگی های استاتیک متکی بودند ۲۰۱۷, Jain & Gupta ، اما مطالعات جدیدتر نشان داده اند که ترکیب روش های مختلف یادگیری ماشین می تواند دقت تشخیص را بهبود بخشد ۲۰۰۲, Bhavani et al به ویژه استفاده از معماری های ترکیبی مانند CNN LSTM نتایج قابل توجهی در شناسایی وب سایت های مخرب داشته است Alshingiti et al , ۲۰۲۳

کلیدواژه‌ها

نویسندگان

حامد منکرسی

استادیار دانشگاه رازی کرمانشاه

غلامرضا احمدی

دانشجوی دکترای دانشگاه رازی کرمانشاه

منکرسی، حامد و احمدی، غلامرضا،1404،بررسی روشهای تشخیص فیشینگ با استفاده از یادگیری ماشین،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز