>
Fa   |   Ar   |   En
   یک رویکرد تشخیص حملات فیشینگ با استفاده از یادگیری عمیق و انتخاب ویژگی با هوش گروهی موجودات دریایی  
   
نویسنده خادمی حمید رضا ,عوض پور امیر ,رئیسی حجت ,حسن نژادیان فرد شیرازی فاطمه ,لهراسبی محمد
منبع ششمين همايش ملي فناوريهاي نوين در مهندسي برق، كامپيوتر و مكانيك ايران - 1402 - دوره : 6 - ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران - کد همایش: 02221-18264 - صفحه:0 -0
چکیده    یکی از چالش های مهم در فضای مجازی و اینترنت، وقوع حملات فیشینگ بر علیه کاربران اینترنت و سرقت اطلاعات آنها است. حملات فیشینگ در واقع لینکها و صفحات جعلی بوده که کاربران را فریب داده و اطلاعات باارزش آنها را در صفحات جعلی مورد سرقت قرار می دهد. برای تشخیص حملات فیشینگ روشهای یادگیری ماشین و یادگیری عمیق می توانند استفاده شوند و الگوی صفحات جعلی را کشف نمایند. در تشخیص حملات فیشینگ اگر یادگیری روی ویژگی های مهم انجام شود آنگاه خطای تشخیص حملات کاهش داده می شود. در این مقاله برای کاهش دادن خطای تشخیص حملات فیشینگ یک رویکرد هوش مصنوعی با استفاده از انتخاب هوشمندانه ویژگی ها انجام شده است. در روش پیشنهادی از رفتار هوشمند عروس های دریایی که دارای هوش گروهی می باشند برای انتخاب ویژگی استفاده می شود. ویژگی های مهم صفحات جعلی توسط الگوریتم عروس دریایی کشف شده و در ادامه تحویل طبقه بندی کننده یادگیری عمیق lstm می شود. آزمایشات نشان می دهد دقت و حساسیت روش پیشنهادی در تشخیص حملات فیشینگ به ترتیب برابر 98.82% و 98.63% است. روش پیشنهادی در تشخیص حملات فیشینگ از روشهای یادگیری ماشین مانند درخت تصمیم گیری، جنگل تصادفی و الگوریتم های ترکیبی نظیر شبکه عصبی کانولوشن دارای دقت بیشتری در تشخیص حملات است.
کلیدواژه انتخاب ویژگی، حملات فیشینگ، هوش گروهی، یادگیری عمیق
آدرس , iran, , iran, , iran, , iran, , iran
 
   a phishing attack detection approach using deep learning and feature selection with group intelligence of marine organisms  
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved