کاهش شکاف معنایی در تشخیص وب سایت های فیشینگ مبتنی بر ماشین یادگیری سریع با هسته غیرخطی
- سال انتشار: 1394
- محل انتشار: اولین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند
- کد COI اختصاصی: SPIS01_007
- زبان مقاله: فارسی
- تعداد مشاهده: 806
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه یزد، دانشگاه یزد ، یزد،
دانشیار، دانشگاه یزد، دانشگاه یزد ، یزد
استادیار، دانشگاه یزد، دانشگاه یزد ، یزد
چکیده
فیشینگ نوعی تقلب برای بدست آوردن اطلاعات حساس کاربران می باشد. مکانیسم های مختلفی برای فریب قربانیان برای هدایت به سایت های فیشینگ مورد استفاده قرار می گیرد . اگرچه راه حل های ضد فیشینگ بسیاری مطرح شده است ، با این حال فیشرها هنوز هم به فریب قربانیان ادامه می دهند . در این پژوهش دادگانی شامل 2000 صفحه که نیمی از آنها فیشینگ می باشند ، ایجاد شده است . ویژگی متعددی از هر صفحه برای توصیف نمونه ها بدست آمده است که نقش تعیین کننده ای در بهبود دقت تشخیص صفحات فیشینگ و نرمال دارد . همچنین از آنجایی که روش طبقه بندی در کاهش شکاف معنایی نقش تعیین کننده ای دارد ، از ماشین یادگیری سریع (ELM) برای یادگیری تمایز بین صفحات استفاده شده است . نتایج آزمایش های تجربی نشان دهنده افزایش دقت با این روش یادگیری مبتنی بر هسته RBF نسبت به دیگر روش های یادگیری در پژوهش های این حوزه می باشد .کلیدواژه ها
فیشینگ ، یادگیری ماشین ، ماشین یادگیری سریعاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.