Geri Dön

Deep learning approach for malicious URLs detection

Kötü amaçli URL tespiti için derin öğrenme yaklaşimi

  1. Tez No: 796372
  2. Yazar: AHMAD AL KURDI
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
  12. Bilim Dalı: Siber Güvenlik Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ

  2. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT AYDOS

    DOÇ. DR. AHMET SELMAN BOZKIR

  3. Deep learning in cyber security for internet of things

    Nesnelerin internetinin siber güvenliği için derin öğrenme

    FURKAN YUSUF YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. ENSAR GÜL

    DR. DEVRİM ÜNAL

  4. Derin öğrenme yaklaşımı kullanan android uygulamaların güvenlik incelemesi

    Using deep learning approach security review of android applications

    YUNUS EMRE BALTACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL TOPKAPI ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ARİF YELĞİ

  5. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN