Deep learning approach for malicious URLs detection
Kötü amaçli URL tespiti için derin öğrenme yaklaşimi
- Tez No: 796372
- Danışmanlar: Prof. Dr. SERHAT ÖZEKES
- 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: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: 80
Özet
Son yıllarda, özellikle COVID-19 salgını ve kripto para biriminin yükselişinden sonra çoğu işletmenin dijitalleştiği herkesin bilgisine ulaştı. Bu nedenle, çevrimiçi finansal işlemlerin sayısı önemli ölçüde artmakta ve bu da siber güvenlik tehditlerinde muazzam bir artışa neden olmaktadır. Kimlik avının, son birkaç yılda işletmeleri ve kişileri tehlikeye atan siber tehditlerin başında geldiği bildiriliyor. Kimlik avı saldırıları esas olarak kurbanı kötü niyetli bir URL'ye tıklaması için kandırarak yapıldığından, bu, sonunda kimlik bilgilerinin çalınmasına, hassas bilgilerin açığa çıkarılmasına, fidye talep edilmesine ve diğer çeşitli yıkıcı sonuçlara yol açacaktır. Oltalama saldırılarına karşı koymak ve farklı yaklaşımlar önermek için birçok araştırma, öneri ve makale olması, bu alanı son birkaç yılda aktif bir araştırma alanı haline getirdi. Çalışmamızda, CNN-LSTM modeli kullanılarak kötü amaçlı URL tespiti için URL'nin karakter düzeyinde gömülmesine dayanan Derin Öğrenme yaklaşımlarıyla ilgilendik. Modelleri, gerçeği mümkün olduğunca yansıtabilecek, büyük, toplanmış bir URL veri kümesi üzerinde eğitip test ettiğimiz yer. Sonunda, toplanan büyük veri setimiz üzerindeki deneyler ve testler boyunca %98,7'lik bir doğruluk elde ettik.
Özet (Çeviri)
It has come to everyone's knowledge that in the recent years most businesses have been digitized, especially after the COVID-19 pandemic and the rise of cryptocurrency. Hence, the number of online financial transactions has been significantly increasing leading to an enormous increase of cyber security threats. Phishing has reportedly been on the top of cyber threats that have been endangering businesses and personals in the last couple of years. Since Phishing attacks are mainly done by duping the victim into clicking on a malicious URL, that will result eventually in stealing credentials, revealing sensitive information, ransom demanding and various other devastating results. There has been many researches, suggestions, and papers to counter Phishing attacks and propose different approaches, which made this area an active research area in the last few years. In our study, we were interested in Deep Learning approaches which were based on character level embedding of the URL for malicious URL detection using CNN-LSTM model. Where we trained and tested the models on a large, collected URLs dataset that can reflect the reality as much as possible. Eventually, throughout experiments and tests on our large collected dataset we have achieved an accuracy of 98.7%.
Benzer Tezler
- 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
- An attention based deep neural network architecture for identification of phishing URLS through character level n-gram embeddings
Kimlik avcısı URL tespitinde karakter n-gram düzeyinde özyerleşiklerden yararlanan dikkate dayalı bir derin sinir ağı mimarisi
FIRAT COŞKUN DALGIÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT AYDOS
DOÇ. DR. AHMET SELMAN BOZKIR
- Deep learning in cyber security for internet of things
Nesnelerin internetinin siber güvenliği için derin öğrenme
FURKAN YUSUF YAVUZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. DEVRİM ÜNAL
- Derin öğrenme yaklaşımı kullanan android uygulamaların güvenlik incelemesi
Using deep learning approach security review of android applications
YUNUS EMRE BALTACI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL TOPKAPI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF YELĞİ
- Malware detection using machine and deep learning algorithms for computer devices
Makine kullanarak kötü yazilim tespiti ve için derin öğrenme algoritmalari bilgisayar cihazlari
MOHAMMED THAIR ABDULSATTAR ALTAIY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN