روشی برای محافظت در برابر حملات فیشینگ از جانب مشتری با تکنیک یادگیری عمیق و لیست سفید بروزرسانی شده خودکار

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 547

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SENACONF10_068

تاریخ نمایه سازی: 25 فروردین 1400

چکیده مقاله:

فیشینگ یک عمل متقلبانه و شکلی از حمله سایبری است که تنها با هدف جمع آوری اطلاعات با تغییر دادن وب سایتهای واقعی طراحی و اجرا شدهاست. اغلب راه حل های ضدفیشینگ دارای دو محدویت ، نیاز به زمان دسترسی سریع برای یک محیط زمان-واقعی و نیاز به نرخ (سرعت) تشخیص بالا است. در این مقاله، ما رویکرد جدیدی را برای محافظت در برابر حملات فیشینگ با تکنیک یادگیری عمیق برای کشف و استفاده از لیست سفید به طور خودکار بروزرسانی شده ی سایت های قانونی قابل دسترسی توسط کاربر انفرادی ارائه میدهیم. رویکرد ارائه شده ی ما دارای زمان دسترسی سریع و سرعت تشخیص بالا است.

نویسندگان

علیرضا فرزانگان

دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان- تبریز- ایران

مرتضی یعقوبی

دانشجوی دکتری، دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد تهران جنوب-تهران- ایران