Geri Dön

Web tabanlı oltalama saldırılarının makine öğrenmesi yöntemleri ile tespiti

Web-based phishing attacks detection with machine learning methods

  1. Tez No: 444224
  2. Yazar: MUSTAFA KAYTAN
  3. Danışmanlar: DOÇ. DR. DAVUT HANBAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

Bu tez çalışmasında öncelikle bilgi güvenliğine yönelik tehditler açıklanmış; bu tehditlere karşı savunma yöntemleri ve öneriler sunulmuştur. Oltalama web sitelerinin tespit edilmesine yönelik olarak iki uygulama gerçekleştirilmiştir. Birinci uygulamada Yapay Sinir Ağı modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulama ile oluşturulan ağlara 5-li çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %90,61, en yüksek sınıflandırma doğruluğu ise %92,45 olarak ölçülmüştür. İkinci uygulamada ise Aşırı Öğrenme Makinesi modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulamada 10-lu çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %95,05, en yüksek sınıflandırma doğruluğu ise %95,93 olarak ölçülmüştür.

Özet (Çeviri)

In this thesis, firstly the threats on information security are described; methods of defense against these threats, and recommendations are presented. Two applications in order to identify the phishing website were performed. In the first application, classification application has been performed for the detection of phishing website by Artificial Neural Network model. 5-fold cross-validation test has been applied to the created networks with the first application. The average classification accuracy was achieved as 90.61%, and the highest classification accuracy was achieved as 92.45%. In the second application, classification application has been performed for the detection of phishing website by Extreme Learning Machine model. In the second application, 10-fold cross-validation test has been applied. The average classification accuracy was achieved as 95.05%, and the highest classification accuracy was achieved as 95.93%.

Benzer Tezler

  1. Öznitelik tabanlı oltalama tespit sistemlerinin makine öğrenmesi yöntemleri ile değerlendirmesi

    Evaluation of attribute based phishing detection systems with machine learning methods

    SELAHATTİN ALİYAZICIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN

    DR. ÖĞR. ÜYESİ EBU YUSUF GÜVEN

  2. Obfuscated JavaScript detection using syntactically and lexically enhanced machine learning

    Perdelenmiş JavaScript kodlarının sözdizimsel ve anlamsal yönden iyileştirilmiş makina öğrenmesi ile tespiti

    EREN KILIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA

  3. Detection of phishing urls with deep learning based on the GAN-CNN-LSTM network and swarm intelligence algorithms

    GAN-CNN-LSTM ağı ve swarm zeka algoritmalarını tabanlı derin öğrenme ile phishing url'lerinin tespiti

    ABBAS JABR SALEH ALBAHADILI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYHAN AKBAŞ

  4. Design and development of a secure and accessible web authentication alternative to FIDO2

    FIDO2'ye alternatıf güvenli ve erişilebilir bir web kimlik doğrulama tasarımı ve gelıştirilmesi

    AHMET DROBİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    Prof. Dr. KEMAL BIÇAKCI

  5. İçerik tabanlı oltalama saldırısı tespit sistemi

    Classification of content based phishing attacks by machinelearning methods

    UĞUR ÖZKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. ÖZGÜR KORAY ŞAHİNGÖZ