استفاده از سیستم استنتاج عصبی- فازی تطبیق پذیر به منظور بهینه سازی و آموزش پذیری برای شناسایی حملات فیشینگ در وب سایت ها
کد مقاله : 1221-ICTCK (R1)
نویسندگان:
1حمید طباطبایی *، 2حسین سلامی، 3سید رضا قادریان، 3مرضیه مصدقیان
1کمیته علمی
2گروه مهندسی کامپیوتر، موسسه آموزش عالی فردوس، مشهد، ایران
3گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
چکیده مقاله:
حمله فیشینگ یکی از حملات مبتنی بر مهندسی اجتماعی است که با فریب دادن کاربران به صورت هدف دار آنها را به سمت وب سایت هایی کاملا مشابه با وب سایت های اصلی هدایت می کنند. این اتفاق به دلیل صدمات سختی که به اعتماد مردم و سایت های پرداخت الکترونیکی و وب سایت های اجتماعی و ... وارد می آورد، بر تعاملات میان آن‌ها تاثیر منفی دارد. به همین دلیل وجود سیستمی که بتواند کاربر را از اعتبار وب سایت آگاه کرده و هشدارهای لازم را به او بدهد از اهمیت به سزایی برخوردار است. در این نوشتار با استفاده از نظریه مجموعه های خشن و سیستم استنتاج عصبی-فازی تطبیق پذیر و بکارگیری موثر از قابلیت یادگیری شبکه عصبی مدلی برای شناسایی صفحات وب فیشینگ ارایه شده است. نتایج آزمایشات نشاندهنده ی دقت بیش از 86 درصدی مدل پیشنهادی در شناسایی این نوع صفحات می باشد. نتایج آزمایشات نشاندهنده ی دقت بیش از 86 درصدی مدل پیشنهادی در شناسایی این نوع صفحات می باشد.
کلیدواژگان:
حمله فیشینگ، سیستم استنتاج عصبی-فازی تطبیق پذیر، شناسایی خطر، وب سایت های پرداخت الکترونیک و اجتماعی، نظریه مجموعه های خشن.
وضعیت : مقاله پذیرفته شده است