Geri Dön

Machine learning for malicious URLs

Kötü amaçlı URL'ler için makine öğrenimi

PDF İndir

  1. Tez No: 940597
  2. Yazar: ABDULRAHMAN ALI MOHAMMED ALRUBAYQI
  3. Danışmanlar: PROF. DR. GALİP CANSEVER
  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: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 53

Özet

Başlangıçta konserve ete SPAM adı veriliyordu (özellikle ABD'de popülerdi). Bu ifade, elektronik iletişim alanında taciz edici e-postaları ifade edecek şekilde gelişmiştir. Genel olarak konuşursak, spam, istenmeyen toplu e-postalar olarak tanımlanır. Davetsiz iletişimin her zaman hemen rahatsız edici olması gerekmediğinden (ürün talebi gibi) her iki gereksinim de çok önemlidir; toplu e-postalar aynı zamanda rutin konferanslar da olabilir Diğer zararlı e-posta türlerini de taramak istiyoruz. Bunlar arasında, örneğin alıcıları, sağlanan bağlantılara hemen tıklamaları gerektiğine ikna etmeye çalışan çeşitli dolandırıcılık e-postaları yer alır. Daha sonra örneğin bir işletmenin intranetini taklit edebilir ve kullanıcıdan faydalı veriler alabilirler. Bu tezin amacı, özellikle spam e-postalar üreten botnet'lerle ilgili olarak e-posta izleme akışlarındaki zararlı davranışları belirleme potansiyelini araştırmaktı. Amaç, düşmanca davranış belirtileri gösteren belirli ifadeleri tanımlamak için birçok makine öğrenimi algoritmasının etkinliğini değerlendirmekti. Bu araştırma için seçilen algoritmalar lojistik regresyon algoritması, KNN modeli, SVM modeli, MultinomialNB modelidir.

Özet (Çeviri)

Originally, canned meat was referred to as SPAM (popular particularly in the USA). This phrase has evolved to refer to harassing emails in the area of electronic communications. Generally speaking, spam is characterised as unsolicited bulk emails. Both requirements are crucial as uninvited communication need not always be immediately bothersome (such as a request for products); bulk emails may also be routine conferences We wish to screen out other types of harmful emails as well. These include, for instance, several scam emails that attempt to persuade recipients that they need to click on the provided links right away. Then, they may mimic an intranet for a business, for instance, and get useful data from the user. The purpose of this thesis was to investigate the potential for identifying harmful behavior in email monitoring flows, particularly in relation to botnets that produce spam emails. The objective was to evaluate the effectiveness of many machine learning algorithms in order to identify particular phrases that exhibit indications of hostile behavior. The algorithms selected for this research were logistic regression algorithm, KNN model, SVM model, MultinomialNB model.

Benzer Tezler

  1. Tez No

    746951

    Machine learning algorthims for URLs classification

    Başlık çevirisi yok

    NAGHAM AMJED ABDULZAHRA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  2. Tez No

    672683

    Kötü Amaçlı URL'leri makine öğrenme teknikleriyle tespit etme

    Detecting Malicious URLs Through Machine Learning Techniques

    MHD RAJA ABOU HARB

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    PROF. DR. SERHAT ÖZEKES

  3. Tez No

    704886

    Detection of malicious URLs using machine learning

    Başlık çevirisi yok

    RAED HAMEED GBURI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Tez No

    859494

    Enhancing cybersecurity: A machine learning-driven filter method for detecting phishing and malicious urls in online environments

    Cyber güvenliğini geliştirmek: Online ortamlarda fişleme ve kötücül url'leri tespit etmek için makine öğrenmesi tabanlı bir filtre yöntemi

    SYED MUHAMMAD IFTIKHAR MEHDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ASLI BAY

  5. Tez No

    673181

    Detection and classification malicious URLS on social media using machine learning

    Makine öğrenmeyi kullanarak sosyal medyadaki kötü amaçlı URL'leri tespit ve sınıflandırma

    AHMED IDAN HALYOUT SALEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

Geri Dön