مقابله با سایتهای تجارت جعلی با مکانیزم یادگیری و انتخاب ویژگی گروهی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 395

فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BICO02_004

تاریخ نمایه سازی: 31 تیر 1398

چکیده مقاله:

امروزه بیشتر شرکتها و موسسات فعال در حوزه تجارت سعی می کنند به کمک وب سایتهای تجاری خدمات خود نظیر فروش آنلاین یا حراج آنلاین را به مشتریان در فضای اینترنت ارایه دهند. ارایه خدمات تجاری در بستر اینترنت باعث سهولت تجارت الکترونیک و کسب و کار آنلاین شده است و در هزینه ها صرفه جویی زیادی نموده است. یکی از چالش های مهم در توسعه وب سایتهای تجاری وجود صفحات جعلی یا فیشینگ در اینترنت است. صفحات جعلی با جعل هویت و ظاهر وب سایتهای تجاری در اینترنت نظیر درگاه های پرداخت و ارسال لینکهای جعلی برای کاربران سعی می کنند اطلاعات کاربران و مشتریان را مورد سرقت قرار دهند. حملات فیشینگ که نوعی از حملات مهندسی اجتماعی است به کمک صفحات جعلی در اینترنت انجام شده و زیان قابل توجه ای به کاربران و زیرساختهای تجارت الکترونیک وارد می نمایند. یکی از روش های تشخیص صفحات جعلی استفاده از تکنیک های یادگیری ماشین و داده کاوی است که می توان الگوی این صفحات جعلی را شناسایی نماید. در این پژوهش برای تشخیص حملات فیشینگ و وب سایتهای جعلی از مکانیزم یادگیری شبکه عصبی مصنوعی در کنار انتخاب ویژگی توسط الگوریتم خفاش برای تشخیص صفحات جعلی استفاده شده است و نتایج آزمایشات ما نشان می دهد دقت روش پیشنهادی بیشتر از شبکه عصبی مصنوعی، درخت تصمیم گیری و ماشین بردار پشتیبان است.

نویسندگان

سمیه عسکرپور

گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای استان کرمان، کرمان، ایران

فهیمه خسروشاهی

گروه حسابداری، دانشگاه فنی و حرفه ای استان کرمان، کرمان، ایران

جواد محمدی

گروه مهندسی برق، دانشگاه فنی و حرفه ای استان کرمان، کرمان، ایران