بررسی رویکردهای تشخیص صفحات جعلی با مفاهیم وب معنایی و یادگیری ماشین

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 135

فایل این مقاله در 13 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:

ICPCONF08_103

تاریخ نمایه سازی: 9 مهر 1401

چکیده مقاله:

با توسعه اینترنت، امنیت شبکه های کامپیوتری و اینترنت اشیاء توجه مردم را به خود جلب کرده است. میتوان گفت که یک محیطشبکه ایمن مبنایی برای توسعه سریع و سالم اینترنت است. فیشینگ یک دسته از حملات سایبری است در آن تلاش می شود تا کاربرانفریب داده شوند. در این نوع از حملات تلاش می شود تا کاربران بر روی پیوندهای فیشینگ و جعلی کلیک نمایند و وارد سایت های جعلیشوند. سرقت اطلاعات کاربر و در نهایت استفاده از داده های کاربر برای ورود جعلی به حساب های مرتبط برای سرقت اطلاعات کاربران ازاهداف مهم حملات فیشینگ است. روش های فیشینگ و فناوری تشخیص فیشینگ به طور مداوم در حال به روز شدن است. روش هایسنتی برای شناسایی پیوندهای فیشینگ به لیست سیاه و لیست سفید متکی هستند، اما این نمی تواند پیوندهای فیشینگ جدید راشناسایی کند. بنابراین، پیش بینی اینکه آیا یک لینک تازه در یک وب سایت فیشینگ یا عادی است از اهمیت بالایی برخوردار است. بابلوغ فناوری یادگیری ماشین، پیش بینی به یک توانایی حیاتی در این سیستم ها تبدیل شده است و میتوان به کمک این فناوری ها، وبسایت های فیشینگ را تشخیص داد. این مقاله یک مطالعه موردی در مورد روش های تشخیص وبسایت فیشینگ ارائه می کند. در اینمقاله، تلاش می شود تا چرخه حیات فیشینگ معرفی شود و روش های رایج ضد فیشینگ نیز معرفی می گردد. این مقاله عمدتا بر روششناسایی پیوندهای فیشینگ و صفحات جعلی تمرکز دارد و درک عمیقی از راه حل های مبتنی بر یادگیری ماشین، از جمله جمع آوریداده ها، استخراج ویژگی، مدل سازی، وب معنایی، انتخاب ویژگی و طبقه بندی را برای تشخیص حملات فیشینگ ارایه می دهد

کلیدواژه ها:

نویسندگان

امیر محمدخانلو

کارشناس ارشد فناوری اطلاعات دانشگاه شیراز

حسین فتاحی

کارشناس ارشد فناوری اطلاعات دانشگاه شیراز