Detecting Phishing Emails Using Machine Learning Techniques
| العنوان بلغة أخرى: |
الكشف عن رسائل البريد الإلكتروني الخداع عن طريق تقنيات تعليم الآلة |
|---|---|
| المؤلف الرئيسي: | السعايده، سعيد عبدالله (مؤلف) |
| مؤلفين آخرين: | فكتروف، اوليج (مشرف) |
| التاريخ الميلادي: |
2017
|
| موقع: | عمان |
| الصفحات: | 1 - 59 |
| رقم MD: | 857115 |
| 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
151
| المستخلص: |
تعتبر رسائل البريد الإلكتروني المخادعة إحدى أساليب الاحتيال وتستخدم لسرقة البيانات الشخصية والمهمة للمستخدمين حيث يتلقى المستخدمون رسالة بريد إلكتروني وهمية من عناوين مخادعة والتي تبدو أنها تنتمي إلى الأعمال التجارية المشروعة والحقيقية في محاولة لسرقة المعلومات الشخصية للمتلقي. هذا العمل يشكل خطرا على خصوصية العديد من المستخدمين، وبالتالي، يعمل الباحثون بشكل مستمر على إيجاد أدوات الكشف عن هذا النوع من الرسائل الإلكترونية وتطوير القائم منها. التصنيف هو أحد الطرق المتبعة في تقنيات التنقيب عن البيانات التي يمكن استخدامها بشكل فعال للكشف عن رسائل البريد الإلكتروني المخادعة. من خلال هذه الدراسة، تم بحث ومقارنة مجموعة من خوارزميات التصنيف المختلفة، مثل خوارزمية الناييف بيزين، شجرة القرارات، لوجستية الانحدار، شجرة التصنيف والانحدار ومتسلسلة الحد الأدنى للتحسين. وبالإضافة إلى ذلك، تقارن الدراسة مجموعة مختارة من الخصائص للبريد الإلكتروني بالطريقة اليدوية والآلية. لقد تم تنفيذ التجربة باستخدام أداة الويكا على قاعدة بيانات من 4800 بريد إلكتروني، 2400 رسائل التصيد والرسائل الإلكترونية المشروعة 2400 تمثل 47 ميزة من هيكل البريد الإلكتروني. وأشارت النتائج إلى أن أفضل المجموعات المختارة يدويا حققت مستوى دقة مساوي للمجموعة التي تم اختيارها آليا حيث حققت 98.25 في المائة. أيضا فقد تصدرت خوارزميات شجرة القرار، لوجستية الانحدار ومتسلسلة الحد الأدنى للتحسين من خلال توفير أعلى معدل دقة في كلا السيناريوهين اليدوية والآلية. وعلاوة على ذلك، تم بناء نموذج متكامل من خوارزميات متعدد التصنيف حيث تم استخدام الخوارزميات الثلاثة الأولى والحاصلة على أعلى دقة خوارزمية وهي شجرة القرار، لوجستية الانحدار ومتسلسلة الحد الأدنى للتحسين وأظهرت النتائج أن دمج تقنيات غير خاضعة للرقابة أي لم يتم تجميعها مع تلك الخاضعة للرقابة أو التي تم تجميعها قبل الاختبار يوفر نتائج أكثر دقة للكشف عن الرسائل الإلكترونية الاحتيالية مع 98.37 في اختبار جميع خصائص البريد الإلكتروني. |
|---|
عناصر مشابهة
-
Enhancing Associative Classification Technique for Spam Detection
بواسطة: جراح، محمد أحمد محمد منشور: (2017) -
An Associative Classification Approach Using Data Mining for Predicting Phishy Email
بواسطة: الرحامنة، بدر عبدالحفيظ أحمد منشور: (2013) -
Phishing Email Detection Using Grey Wolf Optimization and Extreme Learning Machine
بواسطة: الزيادين، أسيل فوزان منشور: (2023) -
Machine and Deep Learning Approaches for Detecting Phishing Emails
بواسطة: العمرات، رولا سليمان إبراهيم منشور: (2023) -
Feature Selection and Hybrid Ensemble Learning Methods for SPAM Email Classification
بواسطة: محمد، دعاء محمد عبدالرحيم منشور: (2018)
