Automatic based framework by using PCA and deep learning for website phishing classification
Web sitesi kimlik avı sınıflandırması için PCA ve derin öğrenme kullanan otomatik tabanlı çerçeve
- Tez No: 830725
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çevrimiçi kimlik hırsızlığının bir örneği kimlik avıdır. Kimlik avcıları, kurbanların finansal hesap bilgilerini ve kişisel dijital kimlik bilgilerini elde etmek için sosyal mühendislikten yararlanır. Sosyal mühendislik dolandırıcılığı, şüphelenmeyen kurbanları kandırarak finansal bilgiler isteyen sahte web sitelerini ziyaret etmelerini sağlamak için sahte e-postalar kullanır ve bu da aldatıcı oltalama saldırısı olarak tanımlanır. Derin öğrenme (DL) algoritmaları kimlik avı web sitelerini tespit etmeyi kolaylaştırmak, insan hatalarını azaltmak ve tespit sürelerini en aza indirmek için sürekli olarak gelişmektedir. Bu araştırmanın genel amacı, kimlik avı web sitelerinin tespit edilmesine yardımcı olacak yüksek doğruluk (Acc) elde etmektir. Bu çalışmada, web sitesinin doğal özelliklerini yakalamak ve web sitelerini kimlik avı veya kimlik avı olmayan olarak sınıflandırmak için yapay zeka (AI) dalları olan DL algoritmaları uygulanmıştır. Sonuçlar, önerilen CNN modelinin %97.28'luk en yüksek Acc'ye ulaştığını göstermektedir
Özet (Çeviri)
An example of online identity theft is phishing. Phishers utilize social engineering to obtain victims' financial account information and personal digital identity information. Social engineering scams utilize phony emails to deceive unsuspecting victims into visiting bogus websites that ask for financial information and is called as deceptive phishing attack (PA). Deep learning (DL) algorithms are constantly improving, for making it simpler to identify phishing websites and reducing human errors and minimizing detection times. The overall objective of this research was to achieve high accuracy (Acc) that would aid in spotting phishing websites. DL algorithms, branches of artificial intelligence (AI) are applied in this work to capture the inherent characteristics of the website and classify websites as phishing or non-phishing. The results show that the proposed CNN model achieved the highest Acc of 97.28%.
Benzer Tezler
- Hava hedeflerinin yüksek çözünürlüklü menzil profili verilerinden makina/derin öğrenme yöntemleri ile sınıflandırılması
Classification of aerial targets from high resolution range profile data using deep/machine learning methods
SEDAT TÜRE
Doktora
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- CMMcihazındaki verilerden makine öğrenmesi ile parça kontrolü
Part control with machine learning from data on CMM device
ZEYNEP BİRGİN
Yüksek Lisans
Türkçe
2024
Metalurji MühendisliğiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURAY CANİKOĞLU
- Kompozit malzemeler için yapı izleme ve bakım sistemi
Structural health monitoring and maintanence system for composite materials
MAHMUT PEKEDİS
Doktora
Türkçe
2014
Makine MühendisliğiEge ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN YILDIZ
- Otomatik makine öğrenmesi ile endüstriyel nesnelerin interneti tabanlı uç sistemlerde gerçek zamanlı saldırı tespit sistemi geliştirilmesi
Development of a real-time intrusion detection system in industrial internet of things based edge systems with automated machine learning
ANIL SEZGİN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTUĞ BOYACI
- Büyük veri problemlerinde performans arttırmaya yönelik özellik seçimi ve boyut indirgeme optimizasyonu
Feature selection and dimensionality reduction optimization to improve performance in big data problems
BURHAN ERDOĞDU BEYAZIT
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. CEVRİYE GENCER