شیوههای نوین و هوشمند تشخیص سایتهای فیشینگ مبتنی بر الگوریتم یادگیری ماشین

امروزه فیشینگ یکی از جدی ترین و خطرناک ترین تهدیدات آنلاین در حوزه امنیت سایبری است. بر این اساس ارائهیک راهکار جدید و دقیق به منظور تشخیص حملات فیشینگ در وبسایت ها و افزایش امنیت و احراز هویت کاربران به عنوان یک مساله جدی درنظر گرفته شده که لزوما این پژوهش را نشان می دهد. پژوهش حاضر از دسته روشهای کمی و از نظر روش تمزیق و تحلیل از نوع تحلیلی میباشد. اطلاعات الزا جهت اجرای تحقیق بهصورت کتابخانه ی جمعآوری خواهد شد. همچنین دادههای تحقیق با استفاده از مقالات منتشره درمجلات و کنفرانسهای علمی معتبر و همچنین بانکهای اطلاعاتی و شبکه های کامپیوتری، پایگاه داده انتشارات معتبر علم ی دنیا همچون Springer ، Elsevier ، IEEE و... گردآوری میشود و پیادهسازی نهایی با استفاده از نرم افزار matlab صورت میگیرد. در مدل ترکیبی پیشنهادی، ابتدا با استفاده از GWO برای کاهش ابعاد دادههای ورودی کار میکند و تنها مهمترین ویژگیها را برای تشخیص فیشینگ انتخاب میکند. این ویژگیها سپس به RNN وارد میشوند، که دادهها را از طریق الیههای خود پردازش میکند تا وبسایتها را به عنوان قانونی یا فیشینگ طبقهبندی کند. این رویکرد دو مرحلهای نه تنها فرآیند شناسایی را سرعت میبخشد، بلکه دقت و استحکام کلی مدل را در برابر انواع مختلف حملات فیشینگ افزایش میدهد. این مساله در بکارگیری مدل بروی دو مجموعه داده اثبات گردید است.

کلیدواژه ها:

فیشینگ ، شبکه RNN ، الگوریتم گرگ خاکستری ، سری زمانی ، پیش پردازش