Geri Dön

New Machine Learning Classification Algorithm For Phishing Urls Detection

New Machine Learning Classification Algorithm For Phishing Urls Detection

  1. Tez No: 806389
  2. Yazar: ABDALRAOUF ALMAHDI MOHAMMED ALARBI
  3. Danışmanlar: DOÇ. DR. ZAFER ALBAYRAK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 101

Özet

Çevrimiçi olarak gerçekleşen kişisel ve profesyonel faaliyetlerin miktarında bir artış oldu ve bunun doğrudan bir sonucu olarak güven ve siber suç sorunları öne çıkan akademik temalar haline geldi. Yine de makine öğreniminin, bilgisayar korsanlarının daha sofistike hale geldiği durumlarda algoritmaları güçlendirerek kimlik avcılarının oluşturduğu tehlikeyi azaltmada oynayacağı bir rol vardır. Sınıflandırma algoritmaları çok farklı teknikler kullanır ve akademisyenler, çalışmalarında doğrusal olmayan sınıflandırma, çakışma ve gürültünün etkisini azaltmak için sürekli çaba harcarlar. Bu çalışma, KNN'den türetilen Çekirdek Sınıflandırma Algoritması (CCA) olarak bilinen yeni bir algoritma ile K-means olarak bilinen denetimsiz bir öğrenme bölümleme algoritmasının hibritleştirilmesinde yer alan adımların bir özetini sunar. CCA, hala benzerlikler bulurken temsili olmayan kümelerin Çekirdeklerinden kaçınmak amacıyla geliştirilmiştir. Hibritleştirmenin bu adımı, en uygun sonuçları elde etmek için sonuçları yineleme yoluyla değiştirerek iki algoritmayı birleştirmenin faydalarını toplamak ve verileri daha yüksek doğruluk ve daha iyi hesaplama verimliliği ile iki veya daha fazla kümeye sahip etiketlere göre sınıflandırmak için tasarlanmıştır. Bu, sonuçları yineleme yoluyla değiştirerek gerçekleştirilir. Bununla birlikte, önerilen algoritmanın Enhances Core Classification Algorithm (ECCA) olarak adlandırılan ikinci versiyonu, sınıfı çok daha iyi temsil eden her bir sınıfın aktif noktalarını uygulayarak daha doğru sonuçlar üretir ve CCA'nın sınırlamalarını aşar. optimum çözüme ulaşana kadar farklı parametreler kullanarak tek bir çekirdek sınıftan daha. Algoritmanın bu sürümüne Enhances Core Classification Algorithm adı verilir.

Özet (Çeviri)

There has been a growth in the quantity of personal and professional activity that takes place online, and as a direct consequence, problems of trust and cybercrime have become prominent academic themes. Nevertheless, machine learning has a role to play in mitigating the danger posed by phishers by boosting the algorithms in situations when hackers have grown more sophisticated. Classification algorithms use vastly different techniques, and academics have made constant efforts to lessen the impact of nonlinear classification, overlapping, and noise in their work. This work provides a summary of the steps involved in the hybridization of a new algorithm known as the Core Classify Algorithm (CCA), which was derived from KNN and an unsupervised learning partitioning algorithm known as K-means. The CCA was developed with the intention of avoiding the Cores of the clusters that aren't representative while still finding similarities. This step of hybridization is designed to harvest the benefits of combining two algorithms by changing the results through iteration to obtain the most optimal results and classifying the data according to the labels with two or more clusters with higher accuracy and better computational efficiency. This is accomplished by changing the results through iteration

Benzer Tezler

  1. Sensor-based activity recognition and authentication using deep learning

    Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma

    NİLAY TÜFEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti

    Network anomaly detection with a hybrid approach of machine learning algorthms

    FEYZA ÖZGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİT ÖZTEKİN

  3. Yeni makine öğrenmesi metotları ve ilaç tasarımına uygulamaları

    New machine learning algorithms and applications to drug design

    MEHMET FATİH AMASYALI

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    PROF. DR. OKAN ERSOY

    PROF. DR. OYA KALIPSIZ

  4. Ayrıklaştırma ve optimizasyon yaklaşımları ile sınıflandırma algoritmalarının performansının iyileştirilmesi

    Improving the performance of classification algorithms with discretization and optimization approaches

    MOHAMMED HUSSEIN IBRAHIM IBRAHIM

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET HACIBEYOĞLU

  5. Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells

    Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi

    ABUBAKHARI SSERWADDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Biyoistatistikİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN