مروری بر روش های شناسایی سایت های فیشینگ از سایت های قانونی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ABMIR-1-2_004

تاریخ نمایه سازی: 6 دی 1402

چکیده مقاله:

محبوبیت روزافزون اینترنت منجر به رشد چشمگیر تجارت الکترونیک شد. با این حال، چنین فعالیت هایی دارای چالش های امنیتی اساسی است که عمدتا ناشی از کلاهبرداری های سایبری و سرقت هویت افراد است. از این رو، بررسی مشروعیت صفحات وب بازدید شده یک کار بسیار مهم برای ایمن کردن هویت مشتریان و جلوگیری از حملات فیشینگ است. استفاده از روش های یادگیری ماشین، و یادگیری عمیق به طور گسترده به عنوان یک راه حل امیدوارکننده شناخته شده است. تحقیقات، مملو از مطالعاتی است که از روش های یادگیری ماشین و یادگیری عمیق برای تشخیص فیشینگ وب سایت استفاده می کنند. با توجه به این که در تحقیقات قبلی، تشخیص سایت-های فیشینگ با استفاده از ویژگی های مختلف توسط شبکه های عمیق بررسی شده است، در تحقیق جاری، ما قصد داریم تشخیص سایت های فیشینگ را با استفاده از چندین نوع ویژگی به صورت ترکیبی با کمک شبکه های عمیق انجام دهیم. بنابراین در این مقاله ابتدا ما به مرور روش های شناسایی سایت های فیشینگ از سایت های قانونی می پردازیم و در انتها روش پیشنهادی خود را ارایه می دهیم.

کلیدواژه ها:

شناسایی سایت های فیشینگ ، یادگیری ماشین ، یادگیری عمیق

نویسندگان

زهرا یعقوبی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران

فرح مکی الهیجل

دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Hannousse, A., & Yahiouche, S. (۲۰۲۱). Towards benchmark datasets for ...
  • Anti-Phishing Working Group. (۲۰۰۶). Phishing Activity Trends Report-May, ۲۰۰۶. http://www. anti-phishing. ...
  • Wandera (۲۰۲۰). Mobile Threat Landscape ۲۰۲۰: Understanding the key trends ...
  • Safi, A., & Singh, S. (۲۰۲۳). A Systematic Literature Review ...
  • Yang, L., Zhang, J., Wang, X., Li, Z., Li, Z., ...
  • Jain, A. K., & Gupta, B. B. (۲۰۱۸). PHISH-SAFE: URL ...
  • Jain, A. K., & Gupta, B. B. (۲۰۱۸). Two-level authentication ...
  • Sindhu, S., Patil, S. P., Sreevalsan, A., Rahman, F., & ...
  • Zhu, E., Ju, Y., Chen, Z., Liu, F., Fang, X. ...
  • Alkawaz, M. H., Steven, S. J., Hajamydeen, A. I., & ...
  • Basit, A., Zafar, M., Javed, A. R., & Jalil, Z. ...
  • نمایش کامل مراجع