شناسایی لینک های غیر واقعی در وب با استفاده از یادگیری مبتنی بر شبکه عصبی و الگوریتم جمعی پنگوئن

صفحات جعلی در اینترنت با انجام حملات فیشینگ زیان قابل توجه ای به کاربران اینترنت وارد می نایند و اعتماد آنها را به زیرساخت های تحت وب و تجارت الکترونیک کاهش می دهند. ارسال لینک های جعلی در اینترنت و هدایت کاربران به سمت صفحات جعلی یا فیشینگ یکی از شیوه های مهم سرقت اطلاعات در وب است و با شناسایی این لینک ها تا حدود زیادی می توان حملات فیشینگ را کاهش یا تعدیل نمود. شبکه عصبی مصنوعی یک روش مناسب برای تشخیص صفحات جعلی در اینترنت است و به کمک آن می تواند لینک های جعلی را نیز شناسایی نمود و برای افزایش دقت آن چالش مهم انتخاب وزن و بایس بهینه در شبکه عصبی مصنوعی است تا خطای خروجی کاهش داده شود. در این پژوهش برای کاهش دادن خطای شبکه عصبی مصنوعی در تشخیص حملات فیشینگ و لینک های جعلی انتخاب بهینه وزن و بایس به عهده الگوریتم بهینه سازی پنگوئن است. نتایج یاده سازی در محیط متلب نشان می دهد افزایش اندازه جمعیت و تکرار باعث می شود خطای تشخیص حملات فیشینگ یا لینک های جعلی کاهش داشته یابد. نتایج آزمایشات نشان می دهد روش پیشنهادی در تشخیص لینک های جعلی دارای شاخص دقت برابر 97.36% ، صحت برابر 97.31%، حساسیت برابر 96.62% و تشخیص برابر 95.35% است. نتایج نشان می دهد روش پیشنهادی نسبت به روش های مشابه مانند درخت تصمیم کیری، ماشین بردار پشتیبان، شبکه عصبی مصنوعی در شاخص های صحت و حساسیت دقیق تر لینک های جعلی از قانونی را تشخیص می دهد.

کلیدواژه ها:

فیشینگ ، لینک جعلی ، شبکه عصبی ، الگوریتم هوش گروهی ، الگوریتم بهینه سازی پنگوئن