محمد سلطانی میرزائی - دانشجوی کارشناسی ارشد نرم افزار- گروه کامپیوتر و فناوری اطلاعات، واحد نیشابور دانشگاه آزاد اسلامی، نیشابور، ایران
حسین منشی زاده نائین - استادیار- گروه کامپیوتر و فناوری اطلاعات، واحد نیشابور دانشگاه آزاد اسلامی، نیشابور، ایران

یک چالش مهم در اینترنت و شبکه های اجتماعی وجود افرادی به نام فیشر یا سارق است که کاربران را فریبداده و اطلاعات باارزش آنها را سرقت می نمایند. در حملات فیشینگ که فیشرها بر علیه کاربران شبکه اعمالمی نمایند، یک لینک جعلی از طریق شبکه اجتماعی توزیع شده و کاربران را دعوت می نمایند که روی لینک کلیکنموده تا وارد صفحات جعلی شوند. در صفحات جعلی اطلاعات مهم کاربران مانند نام کاربری و کلمه عبور آنهامورد سرقت قرار گرفته می شود. یکی از روش های تشخیص حملات فیشینگ استفاده از روش های یادگیریماشین و داده کاوی مانند شبکه عصبی مصنوعی است. در این مقاله برای کاهش دادن خطای طبقه بندی شبکهعصبی چند لایه در تشخیص فیشینگ از الگوریتم انتخاب ویژگی بر اساس رفتار حشرات آب پیما استفاده می شود.در روش پیشنهادی شبکه عصبی مصنوعی با استفاده از بردار ویژگی بهینه حملات فیشینگ را تشخیص می دهد.پیاده سازی روش پیشنهادی در نرم افزار متلب انجام شده و از 11055 نمونه برای ارزیابی در تشخیص فیشینگاستفاده شده است. آزمایشات نشان داد دقت روش پیشنهادی برابر 98.92 % است و این در حالی است که دقتشبکه عصبی چند لایه بدون انتخاب ویژگی 96.26 % است. روش پیشنهادی در تشخیص فیشینگ از روش هاییادگیری نظیر DTOF-ANN ،Kmeans&SVM ،FACA ،PNN ،BN&SVM در تشخیص فیشینگموثرتر و دقیق تر است.

فیشینگ در شبکه اجتماعی، یادگیری مبتنی بر انتخاب ویژگی، شبکه عصبی مصنوعی، حملات فیشینگ