Detection of malicious URLs using machine learning
Başlık çevirisi mevcut değil.
- Tez No: 704886
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Bilgisayar sistemlerinde, veriler şirketlerin kurumları ve hükümetler için değerli ve çok önemli bir varlığı temsil eder ve bu nedenle bu verileri çalmaya ve satmaya çalışan ve en yaygın URL adresleri tarafından tehdit edilen kötü niyetli bilgisayar suçlarından korunmalıdır ve bu tehdit bir tehdit olarak kabul edilir. Siber güvenliğe tehdit oluşturan ve istenmeyen içerik barındıran (spam, kimlik avı, sürücüden indirme) kötü niyetli URL'ler bağlantısı kullanır ve bu nedenle kullanıcılar dolandırıcılık kurbanı olur ve para kaybı veya bilgi ve yazılım yükleme hırsızlığı olabilir. Önceden, kötü amaçlı URL'ler genellikle kara listeler tarafından algılanıyordu, ancak şu anda yeni oluşturulan düzenlenmiş URL adreslerinden yoksundurlar. Saldırganların odak noktası, en çok kullanılan sosyal mühendislik türlerinden biri olan kimlik avı teknolojisi olan bilgi çalmak için daha etkili yöntemler kullanmaktır. Bu nedenle araştırma, Makine öğrenimi teknikleri, algoritmalar ve URL'lerden ayıklanan sözcüksel özellik kullanılarak URL'leri tespit etmek ve meşru URL'ler veya kötü amaçlı URL'ler olarak sınıflandırmak için bir model geliştirmeyi amaçlamaktadır. Ayrıca, üzerinde hiç eğitilmemiş yeni bir örnek kümesini ve tahmine dayalı model süreçlerinin meşru ve kötü niyetli örnekleri ayırt edebileceği gerçekçi bir senaryoyu doğrularız.
Özet (Çeviri)
Data is a valuable and significant asset in computer systems for businesses, institutions, and governments, and it must be protected from malevolent computer crimes that try to steal and sell it. and be threatened by the most common URLs addresses and this threat is considered a cybersecurity threat and uses malicious URLs link containing unwanted content such as (spam, phishing, download- from the drive) and thus users are victims of fraud and are the loss of money or theft of information and software installation. Previously, malicious URLs were often detected by blacklists, but they currently lack edited URLs addresses that are newly created. The focus of the attackers is to use more effective methods of stealing information, which is phishing technology, which is one of the most used types of social engineering. Therefore, the research aims to develop a model to detect and classify URLs into legitimate URLs or malicious URLs by using Machine learning techniques, algorithms, and the lexical feature extracting from URLs. We also verify that a new set of samples that were never trained on as well as a plausible scenario that the predictive model can predict processes can distinguish between legitimate and malicious samples.
Benzer Tezler
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Sözcüksel analiz kullanarak kötü niyetli URL'leri derin öğrenme teknikleri ile tespit etme
Detecting malicious URL's using lexical analysis with deep learning techniques
CEMİLE SARICAOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ
- Enhancing cybersecurity: A machine learning-driven filter method for detecting phishing and malicious urls in online environments
Cyber güvenliğini geliştirmek: Online ortamlarda fişleme ve kötücül url'leri tespit etmek için makine öğrenmesi tabanlı bir filtre yöntemi
SYED MUHAMMAD IFTIKHAR MEHDI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ASLI BAY
- 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 saldırılarında kullanılan URL'lerin makine öğrenmesi teknikleri ile tespit edilmesi
Phishing URL detection with machine learning techniques
EBUBEKİR BÜBER
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖNDER DEMİR
DOÇ. DR. ÖZGÜR KORAY ŞAHİNGÖZ