سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بررسی روش های تشخیص فیشینگ با استفاده از یادگیری ماشین

نویسندگان :

حامد منکرسی¹ غلامرضا احمدی²

1- دانشگاه رازی 2- دانشگاه رازی

کلمات کلیدی :

یادگیری ماشین،یادگیری عمیق،فیشینگ،حملات فیشینگ

چکیده :

تشخیص وبسایت‌های فیشینگ با استفاده از یادگیری ماشین (Machine Learning) یکی از کاربردهای مهم امنیت سایبری است. در این روش، الگوریتم‌های یادگیری ماشین با تحلیل ویژگی‌های مختلف وبسایت‌ها، بین سایت‌های قانونی و فیشینگ تمایز قائل می‌شوند. در ادامه، مراحل و روش‌های اصلی این فرآیند را بررسی می‌کنیم. فیشینگ یک جرم سایبری است که شامل استفاده از ایمیل‌ها، پیام‌ها و وب‌سایت‌های جعلی برای سرقت اطلاعات حساس مانند رمز عبور، جزئیات کارت اعتباری و سایر داده‌های شخصی است. با رشد اینترنت و تراکنش‌های آنلاین، حملات فیشینگ به طور فزاینده‌ای پیچیده شده‌اند و شناسایی و اجتناب از آنها برای افراد دشوار شده است. ازاین رو پژوهشگران تلاش-های زیادی برای شناسایی و مقابله با این گونه حملات داشته اند. هدف این تحقیق، بررسی روش های شناسایی وب سایت فیشینیگ 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، می‌توان سیستم‌های خودکاری برای تشخیص فیشینگ طراحی کرد که دقت بالایی دارند. ترکیب ویژگی‌های مختلف URL، محتوا و ساختار وبسایت با الگوریتم‌هایی مانند Random Forest یا Deep Learning می‌تواند نتایج مطلوبی ارائه دهد. با این حال، به دلیل هوشمند شدن حملات فیشینگ، مدل‌ها باید به‌طور مداوم بهبود یابند.