New Machine Learning Classification Algorithm For Phishing Urls Detection
New Machine Learning Classification Algorithm For Phishing Urls Detection
- Tez No: 806389
- Danışmanlar: DOÇ. DR. ZAFER ALBAYRAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bianchi sınıflaması, Etnik sınıflandırma, Çoklu sınıflandırma, Bianchi classification, Ethnic classification, Multi classification
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Dengesiz veri kümelerinde sınıflandırma problemleri için bulanık tip-2 tabanlı yeni bir algoritma
A new fuzzy type-2 based algorithm for classification problems in imbalanced datasets
MELİKE AYGÜN ÇAKIROĞLU
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMEL KIZILKAYA AYDOĞAN
- A hybrid approach for data classification based on mathematical modelling and improved online learning algorithm for general fuzzy min-max neural network
Genel bulanık min-maks sinir ağları için gelişmiş çevrimiçi öğrenme algoritmasına ve matematiksel modellemeye dayalı veri sınıflandırması için hibrit bir yaklaşım
ÖMER NEDİM KENGER
Doktora
İngilizce
2023
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. EREN ÖZCEYLAN
- Ejeksiyon fraksiyonu düşük ve korunmuş kalp yetersizliği vakaları için tek sinyal kullanarak makine öğrenmesi tabanlı yeni bir tanı algoritması
A new machine learning-based diagnostic algorithm using single signal for cases of heart failure with low and preserved ejection fraction
PINAR ÖZEN
Doktora
Türkçe
2022
BiyoistatistikSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET RECEP BOZKURT