تشخیص حملات فیشینگ به کمک یک استخراج ویژگی موثر مبتنی بر شبکه عصبی خودرمزنگار

حملات فیشینگ به گونه ای از حملات گفته میشود که در آن تلاش میشود یک کاربر به صفحات تقلبی از وبسایت های مهم و پرکاربرد هدایت شود . صفحات جعلی در بسیاری از موارد، بسیار شبیه به صفحات اصلی میباشند و همین موضوع میتواند کاربران را با مشکلات مختلفی مواجه سازد .به عنوان مثال ممکن است برای دستیابی به اطلاعات ایمیل، یک کاربر به صفحهی ورود جعلی از جیمیل یا یاهومیل هدایت شود. تشخیص به موقع اینگونه حملات به منظور حفظ حریم خصوصی و نیز افزایش امنیت افراد در تراکنش های مالی آنلاین، یکی از چالش های اخیر است. در این مقاله یک روش مبتنی بر شبکه عصبی خودرمزنگار به منظور استخراج ویژگی موثر و طبقه بندی حملات فیشینگ اینترنتی معرفی شده است که ادر ین روش، برای هر کلاس یک شبکه ی خودرمزنگار به منظور استخراج ویژگی، به صورت غیرنظارتی آموزش داده میشود تا هر شبکه بتواند ویژگی های هر کلاس را به صورت موثر استخراج کند. پس از آن، به کمک تابع بیشینه ی هموار، هر دو شبکه به صورت نظارتی و به کمک داده های آموزشی، آموزش داده . میشوند نتایج بدست آمده به خوبی نشان میدهند که روش بکار گرفته شده قادر است دقت بالاتری نسبت به روش پرسپترون چند لایه و دیگر روش های طبقه بندی فراهم آورد .

کلیدواژه ها:

فیشینگ ، سرقت آنلاین ، شبکه عصبی مصنوعی ، استخراج ویژگی ، شبکه عصبی خودرمزنگار