مروری بر مطالعات و روشهای تحقیقاتی انجام شده در زمینه تشخیص سایت هایفیشینگ با استفاده از تکنیک های یادگیری ماشین

یک عمل کلاهبرداری آنلاین است که از مهندسی اجتما عی و فریبکاری فنی برای فریب دادنکاربران اینترنت و به دست آوردن داده های حساس یا اطلاعات حیاتی آنلاین آنها استفاده می کند. با استفادهاز تکنیک های مهندسی اجتماعی، کلاهبرداران می توانند هویت یا اطلاعات محرمانه حساس کاربران را ازطریق استفاده از ایمیل های جعلی، وب سا یت های جعلی، تبلیغات، تبلیغات آنلاین مشکوک، پیامک هایجعلی از ارائه دهندگان خدمات یا شرکت های آنلاین، فیشینگ نیزه ای و غیره به دست آورند . یکی ازروشهای محبوب تشخیص وب سایتهای مخرب ، استفاده از روشهای یادگیری ماشین است. به طور عمدهتشخیص حمله فیشینگ یک مساله طبقه بندی است. منظور ایجاد یک سیستم تشخیص مبتنی بر یادگیریداده های آموزشی باید دارای ویژگیهای مربوط به کلاسهای وبسایتهای فیشینگ و مشروع باشد با استفاده ازیک الگوریتم یادگیری، می توان به آسانی آدرس های نامعلوم یا طبقه بندی نشده را با مکانیزم پویا تشخیصداد . در این مقاله قصد داریم تاثیر استفاده از متد یادگیری ماشین بر شناسایی سایت های فیشینگ و افزایش امنیتکاربران را بررسی نماییم. بر این اساس، داده های جمع اوری شده در رابطه با شناسایی سایت های فیشینگ را موردبررسی قرار داده و در مرحله اول با استفاده از رویکرد یادگیری ماشین تحلیل می نماییم.

کلیدواژه ها:

تشخیص فیشینگ ، یادگیری ماشین ، شبکه های RNN