How to Detect Phishing Website Using Three-Model Ensemble Classification
| العنوان بلغة أخرى: |
كيفية اكتشاف موقع التصيد الاحتيالي باستخدام تصنيف المجموعة ثلاثية النماذج |
|---|---|
| المؤلف الرئيسي: | الشريف، يسري ماجد (مؤلف) |
| مؤلفين آخرين: | أبو صايمة، هشام سعيد (مشرف) |
| التاريخ الميلادي: |
2020
|
| موقع: | عمان |
| الصفحات: | 1 - 68 |
| رقم MD: | 1130507 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة الشرق الأوسط |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
69
| المستخلص: |
مع زيادة عدد مستخدمي الويب، تزداد هجمات التصيد الاحتيالي تدريجيا. من أجل الاستجابة بفعالية لمختلف هجمات التصيد الاحتيالي، من الضروري الفهم الصحيح لهجمات التصيد الاحتيالي، ويجب استخدام طرق الاستجابة المناسبة. تحقيقا لهذه الغاية، في هذه الأطروحة، يتم تحليل تصنيف المجموعة ثلاثية النماذج للكشف عن هجوم موقع التصيد. من خلال هذا التحليل، من الممكن إعادة النظر في الوعي بهجمات التصيد ومنع حدوث هجمات التصيد مقدما. بالإضافة إلى ذلك، يقترح إجراء مضاد لكل نوع تصيد بناء على المحتوى الذي تم تحليله. النموذج المقترح هو طريقة تستخدم ميزات موقع الويب المناسبة لكل خطوة. لتحديد فعالية الإجراء المضاد، يتم إنشاء كل نموذج تصنيف من خلال طريقة استخراج الميزات المقترحة ويتم التحقق من دقة كل نموذج. في الختام، فإن الطريقة المقترحة في هذه الأطروحة هي الأساس لتقوية تكنولوجيا مكافحة التصيد والأساس لتعزيز أمن الموقع. لذلك، تعد طرق تصنيف المجموعة الثلاثية النماذج تجمع بين العديد من تقنيات التعلم الآلي في نموذج تنبئي واحد من أجل تقليل التباين في التباين أو تحسين التنبؤ. يمكن لخوارزمية اكتشاف مواقع التصيد باستخدام ثلاث تصنيفات للمجموعات، والتي تم اقتراحها في هذه الأطروحة أن تحصل على دقة عالية في اكتشاف مواقع التصيد، لأن ثلاث خوارزميات تصنيف هي والغابة العشوائية ودعم آلة المتجه وشجرة القرارات مدمجة في نظام واحد. أظهرت جميع نتائج الخوارزمية المقترحة التي تم تحقيقها أعلى دقة بنسبة 98.52% عن غيرها. وهي أعلى بنسبة 1.26% خوارزمية الغابة العشوائية. و3.16% من دعم آلة المتجه، و2.65% من خوارزمية شجرة القرار. |
|---|
عناصر مشابهة
-
Detecting Malicious Phishing Websites Using Lexical Analysis and Machine Learning
بواسطة: مياس، يوسف عبدالرحمن محمود منشور: (2022) -
Crowler Phishing Detection System for Social Media Websites Using Machine Learning and NLP
بواسطة: الشديفات، عندليب يوسف إبراهيم منشور: (2022) -
Detect and Prevent Phishing Based on Hybrid Approach
بواسطة: عبدالوهاب، هالة بهجت منشور: (2020) -
Machine and Deep Learning Approaches for Detecting Phishing Emails
بواسطة: العمرات، رولا سليمان إبراهيم منشور: (2023) -
Fighting Internet Fraud : Anti-Phishing Effectiveness for Phishing Websites Detection
بواسطة: Al Najim, Abd Allah M. منشور: (2009)
