شناسایی حملات فیشینگ به کمک الگوریتم بهینه سازی علف هرز و شبکه عصبی مصنوعی چندلایه

حملات فیشینگ به گونه ای از حملات گفته می شود که در آن تلاش می شود یک کاربر به صفحات تقلبی از وبسایت های مهم و پرکاربرد کشانده شود. تشخیص به موقع اینگونه حملات به منظور حفظ حریم خصوصی و همچنین افزایش امنیت افراد در تراکنش های مالی آنلاین یکی از چالش های اخیر است. از این رو در این مقاله یک روش جدید برای تشخیص حملات فیشینگ با استفاده از مفهوم شبکه عصبی مصنوعی چند لایه و الگوریتم های تکاملی ارایه شده است. در این مقاله سعی شده تا برای یافتن کمینه خطای مدلسازی در شبکه های عصبی مصنوعی از الگوریتم تکاملی بهینه سازی علف هرز استفاده شود زیرا این الگوریتم نسبت به الگوریتم های مختلف مانند ژنتیک و ذرات دقت بیشتری دارد. در روش پیشنهادی هر شبکه عصبی مصنوعی در قالب یک علف هرز مدلسازی می شود و میزان متوسط خطای پیش بینی به عنوان معیاری برای شایستگی علف های هرز در نظر گرفته می شود و در نهایت از بهترین علف هرز که یک شبکه عصبی مصنوعی چند لایه با اوزان بهینه و حداقل خطای پیش بینی است برای تشخیص حملات اینترنتی (فیشینگ) استفاده می شود.

کلیدواژه ها:

شبکه عصبی مصنوعی چندلایه ، الگوریتم بهینه سازی علف هرز ، حملات فیشینگ ، وب سایت جعلی