Phıshıng saldırısında kullanılan web sitelerinin makine öğrenmesi algoritmaları yardımıylatespiti ve uygulaması
Detection of phishing websites via machine learning algorithms and application
- Tez No: 530104
- Danışmanlar: PROF. DR. HALİT ERAY ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Kimlik Avı (Phishing), son zamanlarda internet kullanıcıları açısından güvenlik riski yaratan en popüler saldırı türlerinden biridir. Saldırıda kullanılan bu yöntem için kullanılan web siteleri kolayca çoğaltılabilmekte ve saldırı sırasında kullanılan sosyal mühendislik yöntemlerinin tespit edilmesini zorlaştırmaktadır. Sınıflandırma algoritmaları kullanılarak bu amaçla hazırlanan web sitelerinin saldırıları anında tespit edilebilmektedir. Bu çalışmada Lojistik Regresyon, KNN ve Naive Bayes algoritmaları kullanılarak, PhishTank ve Google arama sonuçlarında elde edilen URL setleri üzerinde modeller eğitilmiştir. Modellerin başarısı; Doğruluk, Hassasiyet, Geri Çağırma ve F-skoru ile değerlendirilmiş ve algoritmaların başarıları karşılaştırılmıştır. Lojistik Regresyon algoritmasının diğer algoritmalara göre daha başarılı olduğu tespit edilmiştir.
Özet (Çeviri)
Phishing is one of the most popular types of attacks that have recently created a security risk for internet users. The web sites used for this offensive method can easily be multiplied and make it difficult to determine the social engineering methods used during the attack. Using the classification algorithms, the attacks of the web sites prepared for this purpose can be detected instantaneously. In this study, models were trained on URL sets obtained from PhishTank and Google search results using Logistic Regression, KNN and Naive Bayes algorithms. The success of the models; Accuracy, Sensitivity, Recall, and F-score were evaluated and the successes of the algorithms were compared. The Logistic Regression algorithm is found to be that more successful than the other algorithms.
Benzer Tezler
- A risk management framework for smart distribution systems
Akıllı güç dağıtım sistemleri için risk yönetimi çerçevesi
ELİF ÜSTÜNDAĞ SOYKAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK
- Feature selection for efficient classification of phishing website dataset
Phising web sitesi veri setinin etkili sınıflandırması için özellik seçimi
TWANA SAEED MUSTAFA
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT KARABATAK
- Enhancing the robustness of malicious URL detectors against label flipping attacks
Kötü amaçlı URL algılayıcılarının etiket çevirme saldırılarına karşı dayanıklılığının artırılması
NADA YOUSEF JADALLA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. EHSAN NOWROOZİ
- Oltalama saldırılarının derin öğrenme tabanlı URL ve içerik analizi ile hibrit tespiti
Detection of phishing attacks by using deep learning based hybrid URL and content analysis
MEHMET KORKMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Detecting turkish phishing attacks with machine learning classifiers
Türkçe oltalama saldırılarının makine öğrenmesi algoritmaları ile tespiti
MELİH TURHANLAR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. DR. CENGİZ ACARTÜRK