پیاده سازی سیستم های تشخیص نفوذ به منظور تشخیص فیشینگ در صنعت بانک داری کشور با استفاده از رویکرد شبکه های عصبی مصنوعی و سیستم فازی

یکی از مهم‌‌ترین اهداف تحقیق حاضر، پیاده‌سازی سیستم‌های تشخیص نفو‌ذ به‌منظور تشخیص فیشینگ‌ در صنعت بانک‌داری کشور، است. در واقع مسائل این تحقیق را می‌توان ابهام و خستگی تصمیم‌گیران سیستم‌های اطلاعاتی بانک بر اثر ترکیب روش‌های مختلف پیاده‌سازی ids به‌منظور تشخیص فیشینگ‌ و نیز نیاز به بهره‌گیری از سیستم phishing.ids+anfis در افزایش اعتماد و اطمینان در تصمیم‌گیری، و همچنین مسئله نیاز به تخصص چندگانه از طریق به‌کاربردن همزمان دانش چند نفر خبره حوزه‌های مختلف برای حل مسئله پیاده‌سازی ids به‌منظور تشخیص فیشینگ‌، بیان نمود. در نهایت، با بهره‌گیری از سیستم هوشمند می‌توان وضعیت مدیریت امنیت شبکه بانک در تشخیص حملات فیشینگ‌ (y) را به صورت عددی و دقیق‌‌تر بررسی نمود: اگر؛ وضعیت تشخیص امضاء محور (x1) خوب، یعنی دقیقاً 0.758 باشد و زمان‌بندی تحلیل و تشخیص نفو‌ذ (x5) در وضعیت خوب، یعنی دقیقاً 0.762 باشد و تشخیص نفو‌ذ مبتنی بر شبکه (x2) خوب، یعنی دقیقاً 0.798 باشد و تشخیص نفو‌ذ توزیع شده (x3) خوب، یعنی دقیقاً 0.770 باشد و تشخیص نفو‌ذ مبتنی بر میزبان (x4) خوب، یعنی دقیقاً 0.790 باشد؛ آنگاه؛ وضعیت مدیریت امنیت شبکه بانک در تشخیص حملات فیشینگ‌ (y) در سطح عالی (سطح پنجم) یعنی دقیقاً 0.914 قرار دارد. در واقع، اختلاف نهایی بین خروجی‌‌های سیستم استنتاج عصبی-فازی و میانگین نظرات خبرگان معنی‌دار نبوده و برابر با 065/0 است. ازآنجایی که دلیل کافی برای پذیرش فرض صفر وجود ندارد، لذا فرض مقابل پذیرفته می‌گردد یعنی بین میانگین نظرات خبرگان و خروجی‌‌های سیستم هوشمند تفاوت معناداری وجود ندارد.