Deep learning based phishing web page detection
Derin öğrenme tabanlı kimlik avı web sayfası tespiti
- Tez No: 712883
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR, DOÇ. DR. ALİ SEYDİ KEÇELİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
E-ticaret, sosyal medya ve dijital hizmetlerin kullanımının artmasıyla birlikte oltalama faaliyetlerinde muazzam bir artış yaşanmaktadır. Bu çalışmada, oltalama faaliyetlerinin gözlemlenmesinden yola çıkarak, transfer öğrenme yöntemleri ile sahte web sitelerinin tespitini yapacak bir çalışma gerçekleştirilmiştir. Çalışma kapsamında, adobe, amazon, apple, microsoft gibi web sitelerinin gerçek ve sahte ekran görüntülerinden oluşsan toplam 2852 ekran görüntüsü içeren bir veri setinden yararlanılmıştır. AlexNet, VGG16, RESNET50 transfer öğrenme yöntemleri yanı sıra kendi geliştirdiğimiz çok girişli CNN modelini kullanarak, elde edilen sonuçlar analiz edilmiştir. Elde edilen bulguların gelecekte yapılabilecek diğer çalışmalara etkisi tartışılmıştır.
Özet (Çeviri)
With the increase in the usage of e-commerce, social media and digital entertainment services, there is a tremendous increase in phishing activities. In this study, based on the observation of phishing activities, a study has been carried out to detect phishing websites with deep models and transfer learning. Within the scope of the study, a data set containing a total of 2852 screenshots, consisting of real and fake screenshots of websites such as adobe, amazon, apple and microsoft etc. was used. The results obtained by using transfer learning from AlexNet, VGG16 and RESNET50 models as well as the proposed multi- input CNN model were analyzed. Promising results are obtained from the experiments. The effects of the obtained findings on other future studies were discussed.
Benzer Tezler
- Detection of phishing web pages by combining semantical and visual information
Kimlik avcısı web sayfalarının anlamsal ve görsel bilgiyle tespiti
AHMAD HANI ABDALLA ALMAKHAMREH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET SELMAN BOZKIR
- Derin öğrenme yöntemi kullanarak web tabanlı kimlik avı saldırılarının sınıflandırılması
Classification of web-based phishing attacks using deep learning method
RAMAZAN İNCİR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET BEDRİ ÖZER
- Yığın topluluk öğrenme temelli oltalama saldırıları tespit sistemi
Stack ensemble learning based phishing attacks detection system
RAMAZAN SAMİ ÇINAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
Türkçe kimlik avı web sitelerinin etkin tespiti için derin öğrenme ve makine öğrenmesi sınıflandırıcılarını birleştiren yeni, iki aşamalı bir yaklaşım
İHSAN DENİZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY NEFTALİ TÜLÜ
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN AKBAŞ