بهبود عملکرد سیستمهای تشخص حملات فیشینگ مبتنی بر ترکیب شبکه عصبی چند لایه و الگوریتم بهینه سازی ستاره دریایی

سیستمهای تشخص حملات فیشینگ با استفاده از یادگیری ماشین و یادگیری عمیق تلاش می کنند تا تهدیدات امنیتی و مزاحمتهای ناشی از حملات فیشینگ را کاهش دهند. رویکردهای مختلفی از جمله روشهای کلاسیک یادگیری ماشین (مثل جنگل تصادفی و رگرسیون لجستیک) و شبکه های عصبی پیشرفته برای رسیدن به دقت و کارایی بالا به کار گرفته شده اند. با این حال، یکی از چالشهای عمده در این حوزه تغییرات مداوم در روشهای فیشینگ است که باعث می شود روشهای مبتنی بر قوانین ثابت به سختی با تهدیدات جدید سازگار شوند. راه حل های جدید از مدل های یادگیری عمیق استفاده می کنند تا پیش بینی های دقیق تری ارائه دهند. در این پژوهش، یک روش جدید برای بهبود عملکرد سیستمهای تشخص حمالت فیشینگ با ترکیب شبکه عصبی چند لایه و الگوریتم بهینه سازی ستاره دریایی ارائه می شود. روش پیشنهادی با استفاده از فرآیندهای موثر پیش پردازش داده، تنظیم خودکار پارامترها و بهینه سازی پیشرفته وزن ها و بایاسهای شبکه عصبی، توانسته دقت دسته بندی را به ۱.۶۹٪ افزایش دهد که برتری نسبت به طرح پایه مبتنی بر الگوریتم علی بابا و چهل دزد دارد.

کلیدواژه ها:

حملات فیشینگ ، یادگیری عمیق ، شبکه عصبی چند لایه ، الگوریتم بهینه سازی ستاره دریایی