یک رویکرد تشخیص وب سایتهای جعلی با تحلیل آنتولوژی صفحات وب و یادگیری عمیق مبتنی بر شبکه های حافظه طولانی کوتاه-مدت

حملات فیشینگ زیان قابل توجه ای دارند و از این جهت نیاز به توسعه روشهای است که بتوان با این حملات مقابله نمود. شناخت آنتولوژی صفحات و لینکهای وب یک عامل مهم برای تشخیص سایتهای جعلی در اینترنت است . در این مقاله برای افزایش دقت تشخیص حملات فیشینگ یک روش سه مرحله ای ارایه می شود. در مرحله اول از الگوریتم CSA برای انتخاب ویژگی استفاده شده و در مرحله دوم ویژگی ها با روش IG رتبه بندی می شوند. در فاز سوم ویژگی های انتخاب و رتبه بندی شده به عنوان ورودی شبکه عصبی LSTM استفاده می شود. آزمایشات و ارزیابی در نرم افزار متلب نشان می دهد دقت ، حساسیت و صحت روش پیشنهادی برای تشخیص حملات فیشینگ به ترتیب برابر ۲۴,۹۹%، ۹۲,۹۸% و ۹۶,۹۸% است . آزمایشات نشان می دهد روش پیشنهادی نسبت به روش لجستیک رگرسیون، ماشین بردار پشتیبان، درخت تصمیم گیری ، جنگل تصادفی و XG Boost دارای دقت بیشتری در تشخیص حملات فیشینگ است . روش پیشنهادی در تشخیص حملات فیشینگ نسبت به یادگیری عمیق CNN و LSTM دقت بیشتری دارد. روش پیشنهادی در تشخیص حملات فیشینگ نسبت به LSTM در حدود ۸۲,۰% بهبود نشان می دهد.

کلیدواژه ها:

حملات فیشینگ ، آنتولوژی ، یادگیری عمیق ، انتخاب ویژگی