Geri Dön

Yığın topluluk öğrenme temelli oltalama saldırıları tespit sistemi

Stack ensemble learning based phishing attacks detection system

  1. Tez No: 894450
  2. Yazar: RAMAZAN SAMİ ÇINAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Afyon Kocatepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Oltalama, masum web kullanıcılarını görsel olarak gerçek muadiline benzeyen sahte bir web sitesi ile tuzağa düşürmeyi amaçlayan bir siber suçtur. Başlangıçta, kullanıcılar çeşitli sosyal ve teknik yönlendirme metodları aracılığıyla oltalama web sitelerine yönlendirilir. Web sitesinin sahteliğinde habersiz olan kullanıcılar kullanıcı kimliği, parola, kredi kartı bilgileri veya banka hesap bilgileri gibi kişisel bilgilerini bu sitelere verebilir. Oltalama saldırganları bu tür bilgileri kullanır bankalardan para çalmak, bir markanın imajına zarar vermek ve hatta taahhütte bulunmak gibi ağır suçlara karışır. Mevcut literatürde birçok oltalama tespit ve önleme tekniği bulunsa da makine öğrenimi ve derin öğrenme yöntemlerinin ortaya çıkışı siber güvenlik dünyasında bu alanın kapsamını genişletti. Bu nedenle, oltalama web sitelerini verimli bir şekilde tespit eden bir sistemin geliştirilmesine güçlü bir ihtiyaç var. Pek çok çalışmada k en yakın komşu, lojistik regresyon, rasgele orman, destek vektör makineleri, karar ağaçları gibi yöntemler kullanılırken çalışmada yığın topluluk öğrenme yöntemi önerilmiştir. Yığın topluluk öğrenme tabanlı oltalama tespit yöntemi %96,6'lık doğruluk göstermiştir.

Özet (Çeviri)

Phishing is a cybercrime that aims to trap innocent web users with a fake website that visually resembles its real counterpart. Initially, users are directed to phishing websites through various social and technical redirection methods. Users who are unaware of the fakeness of the website may provide personal information such as user ID, password, credit card information, or bank account information to these sites. Phishing attackers use such information to commit serious crimes such as stealing money from banks, damaging the image of a brand, or even committing a crime. Although there are many phishing detection and prevention techniques in the existing literature, the emergence of intelligent machine learning and deep learning methods has expanded the scope of this field in the cybersecurity world. Therefore, there is a strong need to develop a system that efficiently detects phishing websites. While many studies use methods such as k nearest neighbor, logistic regression, random forest, support vector machines, decision trees, the stack ensemble learning method was proposed in this study. The stack ensemble learning based phishing detection method showed 96.6% accuracy.

Benzer Tezler

  1. Prediction of students' success employing data mining algorithms

    Öğrencilerin başarısının veri madenciliği algoritmaları kullanılarak tahmin edilmesi

    ELAF SAEED JABER AL-YASIRI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU

  2. Makine öğrenimi tekniklerini kullanarak konuşma duygularını tanıma

    Speech emotion recognition using machine learning techniques

    ÜLKÜ BAYRAKTAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEYNEP HİLAL KİLİMCİ

  3. Derin öğrenme ve topluluk öğrenme yöntemlerine dayalı bilgisayar destekli tanı sisteminin geliştirilmesi: Omik teknolojileri üzerine uygulaması

    Development of computer aided diagnosis system based on deep learning and ensemble learning methods: Application on omics technologies

    AHMET KADİR ARSLAN

    Doktora

    Türkçe

    Türkçe

    2021

    Biyoistatistikİnönü Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    PROF. DR. CEMİL ÇOLAK

  4. Yapay sinir ağları tabanlı topluluk öğrenme yöntemi ile ekg sinyallerinin sınıflandırılması

    Classification of ecg signals with artificial neural network based ensemble learning method

    ASHA WANYENZE

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY TEZEL

  5. Design of predictive maintenance model using artificial intelligence methods

    Yapay zeka yöntemleri kullanılarak kestirimci bakım modelinin dizayn edilmesi

    BEGÜM AY TÜRE

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜL HALİM ZAİM

    DOÇ. DR. AKHAN AKBULUT