PHISHING WEBSITE DETECTION USING DEEP LEARNING TECHNIQUES AND PRINCIPAL COMPONENT ANALYSIS
DERİN ÖĞRENME TEKNİKLERİ VE TEMEL BİLEŞEN ANALİZİ KULLANILARAK phishing WEB SİTESİ TESPİTİ
- Tez No: 811717
- Danışmanlar: DR. ÖĞR. ÜYESİ OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Belirtilmemiş.
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
The aim of this study is to utilize machine learning (ML) and deep learning (DL) approaches for identifying phishing sites. Phishing is a kind of cybercrime that involves tricking victims into revealing sensitive information through the use of social engineering techniques. It aims to steal a victim's online identity. We used several ML and DL algorithms, including Decision Tree (DT), Random Forest (RF), Linear SVM, SVM (RBF), Gradient Boosting (GB), Logistic Regression (LR), and XGBoost, to capture the inherent characteristics of websites and classify them as phishing or non-phishing. The individual algorithms achieved accuracies ranging from 93% to 95%, and the hybrid CNN_GRU model achieved an accuracy of 95%. Overall, the research's goal was to develop a high-accuracy classifier for identifying phishing websites.
Özet (Çeviri)
Bu çalışmanın amacı makine öğrenmesi (ML) ve derin öğrenme (DL) yaklaşımlarından yararlanmaktır. Kimlik avı sitelerini tanımlamak için. Kimlik avı, kurbanları kandırmayı içeren bir tür siber suçtur sosyal mühendislik tekniklerini kullanarak hassas bilgilerin açığa çıkarılmasına yöneliktir. Amaçlıyor Bir kurbanın çevrimiçi kimliğini çalmak için. Aşağıdakiler de dahil olmak üzere çeşitli ML ve DL algoritmaları kullandık Karar Ağacı (DT), Rastgele Orman (RF), Doğrusal SVM, SVM (RBF), Gradyan Arttırma (GB), Lojistik Regresyon (LR) ve XGBoost, web sitelerini inceleyebilir ve bunları kimlik avı veya kimlik avı olmayan olarak sınıflandırabilirsiniz. Elde edilen bireysel algoritmalar %93 ila %95 arasında değişen doğruluklar ve hibrit CNN_GRU modeli, %95 doğruluk. Genel olarak araştırmanın amacı, yüksek doğrulukta bir sınıflandırıcı geliştirmekti. Kimlik avı web sitelerini tanımlama.
Benzer Tezler
- Derin öğrenme ile içerik tabanlı siber tehdit tespiti
Content-based cyber threat detection with deep learning
EMRE KOÇYİĞİT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Topluluk öğrenmesi kullanılarak zararlı alan adlarının sınıflandırılması
Malicious domain name classification using ensemble learning
AHMET AYDIN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ
- Yapay sinir ağı ve metasezgisel sınıflandırıcılarını kullanarak nesnelerin internetinde çapraz ateş ve ddos saldırılarını tespiti
Use artificial neural network and metaheuristic classifiers to detect phishing attacks on the internet of things
MUSTAFA AHMED ELBERRI
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER
- Oltalama saldırılarının derin öğrenme tabanlı URL ve içerik analizi ile hibrit tespiti
Detection of phishing attacks by using deep learning based hybrid URL and content analysis
MEHMET KORKMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Sahte internet sitelerinin URL özellikleri temelinde tespit edilmesi amacıyla özellik seçme metotlarının ve öğrenme algoritmalarının analizi
Analysis of feature selection methods and learning algorithms for phishing websites detection based on URL
MUSTAFA AYDIN
Doktora
Türkçe
2022
Bankacılıkİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
PROF. DR. KUTLUK KAĞAN SÜMER