| LEADER |
04057nam a2200325 4500 |
| 001 |
1528048 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 606960
|a الشريف، يسري ماجد
|e مؤلف
|
| 245 |
|
|
|a How to Detect Phishing Website Using Three-Model Ensemble Classification
|
| 246 |
|
|
|a كيفية اكتشاف موقع التصيد الاحتيالي باستخدام تصنيف المجموعة ثلاثية النماذج
|
| 260 |
|
|
|a عمان
|c 2020
|
| 300 |
|
|
|a 1 - 68
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة الشرق الأوسط
|f كلية تكنولوجيا المعلومات
|g الاردن
|o 0198
|
| 520 |
|
|
|a 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.
|
| 653 |
|
|
|a التصيد الاحتيالي
|a التعلم الآلي
|a المجموعة الثلاثية
|a الخوارزميات
|
| 700 |
|
|
|a أبو صايمة، هشام سعيد
|g Abusaimeh, Hesham Said
|e مشرف
|9 461329
|
| 856 |
|
|
|u 9802-015-008-0198-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-015-008-0198-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-015-008-0198-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-015-008-0198-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-015-008-0198-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-015-008-0198-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-015-008-0198-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-015-008-0198-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-015-008-0198-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9802-015-008-0198-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1130507
|d 1130507
|
