Detecting phishing websites with effective classifiers and feature selection techniques in machine learning and data mining
Başlık çevirisi mevcut değil.
- Tez No: 902314
- Danışmanlar: PROF. DR. SERHAT ÖZEKES
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 61
Özet
Kimlik avı web siteleri kullanıcılardan gizli verileri çalmayı amaçlamaktadır ve bu da onları ciddi bir siber güvenlik sorunu haline getirmektedir. Bu araştırma, FRUFS (Özellik Seçimini Kullanarak Özellik Azaltma) ve VEVESTA (Hedefli Analizde Değişken ve Öğe Seçimi için Vektör Değerlendirmesi) çerçeveleri dahilinde etkili sınıflandırıcılar ve özellik seçim teknikleri kullanarak kimlik avı web sitelerini tespit etmek için yeni bir yaklaşım sunmaktadır. Modelleri eğitmek ve değerlendirmek için Rastgele Orman ve Karar Ağaçları dahil olmak üzere makine öğrenimi ve veri madenciliği yöntemlerini kullanıyoruz. Özellik seçimi, Özyinelemeli Özellik Eliminasyonu, Ki-Kare testleri ve Temel Bileşen Analizi kullanılarak optimize edilir. Bulgularımız, FRUFS ve VEVESTA'nın entegrasyonunun tespit doğruluğunu ve verimliliğini önemli ölçüde artırdığını göstermektedir. Çalışma, gerçek dünyadaki kimlik avı tespiti için önerilen yöntemin sağlam performansını ve pratik uygulanabilirliğini vurgulamaktadır.
Özet (Çeviri)
Phishing websites aim to steal confidential data from users, which makes them a serious cybersecurity concern. This research presents a novel approach for detecting phishing websites utilizing effective classifiers and feature selection techniques within the FRUFS (Feature Reduction Using Feature Selection) and VEVESTA (Vector Evaluation for Variable and Element Selection in Targeted Analysis) frameworks. We employ machine learning and data mining methods, including Random Forest, and Decision Trees, to train and evaluate models. Feature selection is optimized using Recursive Feature Elimination, Chi-Square tests, and Principal Component Analysis. Our findings demonstrate that the integration of FRUFS and VEVESTA significantly enhances detection accuracy and efficiency. The study highlights the robust performance and practical applicability of the proposed method for real-world phishing detection.
Benzer Tezler
- Feature selection for efficient classification of phishing website dataset
Phising web sitesi veri setinin etkili sınıflandırması için özellik seçimi
TWANA SAEED MUSTAFA
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT KARABATAK
- Öznitelik tabanlı oltalama tespit sistemlerinin makine öğrenmesi yöntemleri ile değerlendirmesi
Evaluation of attribute based phishing detection systems with machine learning methods
SELAHATTİN ALİYAZICIOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
DR. ÖĞR. ÜYESİ EBU YUSUF GÜVEN
- Oltalama saldırılarının makine öğrenmesi ile tespitinde kullanılan özniteliklerin analizi
Analysis of the features used in detecting phishing attacks by machine learning
SİBEL KAPAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL
- A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
Türkçe kimlik avı web sitelerinin etkin tespiti için derin öğrenme ve makine öğrenmesi sınıflandırıcılarını birleştiren yeni, iki aşamalı bir yaklaşım
İHSAN DENİZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY NEFTALİ TÜLÜ
- Utilization of local and global image descriptors for phishing web page identification
Kimlik avcısı web sayfalarının yerel ve genel imge betimleyicileri yardımı ile tespiti
ESRA EROĞLU
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYDOS