افزایش دقت شناسایی صفحات جعلی وب با استفاده از الگوریتم بهینه سازی کفتار و شبکه عصبی مصنوعی
|
فاطمه صف آرا* ، مهدیه صباح نو |
دانشگاه آزاد اسلامشهر |
|
چکیده: (2714 مشاهده) |
ایجاد صفحات جعلی در محیط وب یا فیشینگ از جمله حملات سایبری است که نیازمند ملاحظات فرماندهی و کنترل می باشد. در حملات فیشینگ افراد به سمت صفحات جعلی که توسط فیشر یا سارق ساخته شده هدایت میشوند و اطلاعات مهم آنها توسط فیشر به سرقت می رود. الگوریتمهای یادگیری ماشین و دادهکاوی، الگوریتمهای رایج برای طبقهبندی و تشخیص وبسایتهای جعلی هستند. طبقهبندی وبسایتها بر اساس ویژگیهایی که از آن سایت استخراج میشود صورت میگیرد. بنابراین انتخاب ویژگی تأثیر زیادی در نتایج طبقهبندی دارد. امروزه الگوریتمهای فراابتکاری متعددی جهت انتخاب ویژگی و بهینه سازی عملکرد الگوریتمهای طبقه بندی ارائه شده اند. در مقاله حاضر، الگوریتم فراابتکاری کفتار به منظور انتخاب ویژگیهای مناسب برای طبقهبندی وبسایتهای جعلی مورد استفاده قرار گرفته است. در این راستا، بهبودی بر الگوریتم فراابتکاری کفتار پیشنهاد شده و الگوریتم کفتار بهبودیافته (ISHOA)، ویژگیهای مناسب را از میان کل ویژگیهای موجود انتخاب کرده و به شبکه عصبی مصنوعی ارسال می کند تا در جهت طبقه بندی وبسایتها مورد استفاده قرار گیرند. نتایج پیاده سازی الگوریتم پیشنهادی نشان میدهد که این الگوریتم با دقت نهایی 64/98% نسبت به الگوریتم استاندارد بهینه سازی کفتار عملکرد بهتری داشته است. علاوه بر این، نتایج حاکی از برتری ISHOA نسبت به سه الگوریتم فراابتکاری بهینه سازی ذرات، کرم شب تاب و خفاش است. همچنین، الگوریتم پیشنهادی با تعدادی از الگوریتمهای طبقهبندی ارائه شده در پژوهشهای پیشین روی مجموعه داده مشابه، مقایسه شده و برتری آن نشان داده شده است. |
|
واژههای کلیدی: الگوریتم بهینه سازی کفتار، الگوریتم فراابتکاری، انتخاب ویژگی، صفحات جعلی یا فیشینگ، طبقه بندی. |
|
متن کامل [PDF 1154 kb]
(1734 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
هوش مصنوعی دریافت: 1398/10/21 | پذیرش: 1398/12/26 | انتشار: 1399/7/11
|
|
|
|