Geri Dön

Kötü Amaçlı URL'leri makine öğrenme teknikleriyle tespit etme

Detecting Malicious URLs Through Machine Learning Techniques

  1. Tez No: 672683
  2. Yazar: MHD RAJA ABOU HARB
  3. Danışmanlar: PROF. DR. SERHAT ÖZEKES
  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: 2021
  8. Dil: İngilizce
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Günümüzde internetteki siber saldırıların sayısı önemli ölçüde artmıştı. Bir ana ve basit saldırı, orijinal web sitelerine benzer görünümlü kötü amaçlı web sitelerini kullanan ve kullanıcıların kimlik bilgilerine ulaşmaya çalışan kimlik avı saldırılarıdır. Bu güvenliği ihlal edilmiş web sitelerinin, internet kullanıcılarının bunları gözle tespit etmelerini bir şekilde zorlaştıran orijinal web sitelerine çok benzeyen URL adresleri vardır. Bu tür saldırılar, kötü niyetli URL'lerin nasıl tespit edileceğini bilerek internet kullanıcılarının farkındalık düzeyini artırarak hafifletilebilir, ancak yine de bu tür saldırıların kurbanı olan kullanıcılar vardır. Siber uzmanlar, bu kimlik avı web sitelerine erişimi tespit etmek ve engellemek için sistemler üzerinde çalışıyorlar. Bu çalışmaların bir yolu, kimlik avı URL'leri için kara listeler oluşturmaktır, ancak bu, internet gibi dinamik ve son derece değişen bir ağın kaydını tutmak zor olduğundan bu iyi bir çözüm değildi. Bu açıdan bakıldığında, oldukça dinamik bir kötü amaçlı URL tespit sistemine sahip olmak gerekiyor ve makine öğrenimi teknikleri bunun için iyi çözümler. Bu çalışma, kötü amaçlı URL'leri tespit etmede denetimli makine öğrenimi tekniklerini kullanma becerisine odaklanacaktır. Gösterilen sonuçlara göre, kötü niyetli URL'leri tespit etmek için bu teknikleri kullanmak internet kullanıcılarını korumak için iyi bir çözümdür. İşlem süresini iyileştirmek için, özelliklerin önemine göre veri setine bir özellik seçme işlemi uygulanacaktır.

Özet (Çeviri)

Nowadays, the number of cyberattacks on the internet had been increased dramatically. One main and simple attack is phishing attacks, which use malicious websites that have similar looking to the original websites and try to reach the credentials for the users. These compromised websites have URL addresses that are very similar to the original websites that make it somehow hard for internet users to detect them by eyes. This kind of attack can be mitigated by increasing the awareness level of the internet users via knowing how to detect malicious URLs, however, there are still users who fall as victims of this kind of attack. Cyber experts have been working on systems to detect and block access to these phishing websites. One way for these workings is constructing blacklists for the phishing URLs, but this was not a good solution since it is hard to keep track of a dynamic and highly changed network such as the internet. From this point of view, it is needed to have a highly dynamic malicious URLs detecting system, and machine learning techniques are good solutions for that. This work will focus on the ability to use supervised machine learning techniques in detecting malicious URLs. From the results that are shown, using these techniques for detecting malicious URLs is a good solution for protecting internet users. In order to improve the processing time, a feature selection process will be applied to the dataset based on the importance of the features.

Benzer Tezler

  1. Detection and classification malicious URLS on social media using machine learning

    Makine öğrenmeyi kullanarak sosyal medyadaki kötü amaçlı URL'leri tespit ve sınıflandırma

    AHMED IDAN HALYOUT SALEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

  2. Detection of malicious URLs using machine learning

    Başlık çevirisi yok

    RAED HAMEED GBURI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  3. Machine learning algorthims for URLs classification

    Başlık çevirisi yok

    NAGHAM AMJED ABDULZAHRA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  4. Deep learning approach for malicious URLs detection

    Kötü amaçli URL tespiti için derin öğrenme yaklaşimi

    AHMAD AL KURDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    Prof. Dr. SERHAT ÖZEKES

  5. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DR. EHSAN NOWROOZİ