| نوع مدرک: | متون چاپی |
| سرشناسه | عابدی ، معصومه، نویسنده |
| شماره بازیابی : | COM soft 80 1403 |
| عنوان : | استفاده از روشهای مبتنی بر یادگیری ماشین به منظور بهبود پیشبینی حملات فیشینگ |
| عنوان موازی : | Using methods based on machine learning in order to improve |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1403 |
| صفحه شمار: | 20ص |
| شابک/شاپا | 25867 |
| یادداشت | پایاننامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش
نرمافزار |
| شناسه افزوده : | خیام باشی ، محمد رضا، استاد راهنما |
| توصیفگرها | ادگیری ماشین، آدرس اینترنتی، حملات فیشینگ، یادگیری جمعی، مدل استکینگ Machine Learning, Uniform Resource Locator, Phishing Attacks, Ensemble Learning, Stacking Model. |
| چکیده : | یادگیری ماشین یکی از مهمترین و کاربردیترین زیر شاخههای هوش مصنوعی است که به سیستمها اجازه میدهد بدون نیاز به برنامهنویسی صریح، از دادهها یاد گرفته و پیشبینیهای دقیقتری انجام دهند. این تکنیک با توانایی شناسایی الگوهای پیچیده در دادههای بزرگ، توانسته است تحولی عظیم در زمینههای مختلفی از جمله پزشکی، تجارت، و امنیت سایبری ایجاد کند. امنیت سایبری به ویژه در دهههای اخیر به یکی از چالشهای اصلی در دنیای دیجیتال تبدیل شده است، چرا که حملات سایبری میتوانند تبعات سنگینی برای افراد و سازمانها به همراه داشته باشند. یکی از رایج ترین و خطرناکترین تهدیدات در فضای آنلاین، حملات فیشینگ است که به وسیله آن، مهاجمان تلاش میکنند تا با فریب کاربران و جلب اعتماد آنها، اطلاعات شخصى و مالى حساس آنها را به سرقت ببرند. در این پایاننامه، هدف اصلی بهبود پیشبینی و شناسایی حملات فیشینگ به کمک یادگیری ماشین است. برای دستیابی به این هدف، از مدلهای یادگیری جمعی به ویژه مدل استکینگ استفاده شده که میتواند شبیهسازی دقیقی از حملات فیشینگ ارائه داده و در مقایسه با مدلهاى منفرد، عملکرد بهتری از خود نشان دهد. به ویژه در این تحقیق، با بهرهگیری از تکنیکهای پیشرفتهای چون تنظیم هایپرپارامترها و اعتبارسنجی متقابل K در کنار مدل استکینگ، تلاش بر این بود که دقت و پایداری مدل در پیشبینی در مقایسه با مدلهای منفرد و یادگیری جمعى ضعیف، افزایش یابد. در این پژوهش، از سه مجموعه دادهی فیشینگ که شامل نمونههایی از حملات مختلف و شناختهشده است، استفاده شده و نتایج حاصل از مدل استکینگ در مجموعه دادهی اول با دقت 78/97% در بعدی 16/96% و در سومی 30/97%، نشان داد که ترکیب مدلهاى مختلف و استفاده از تکنیکهای پیشپردازش میتواند به شدت به بهبود دقت پیشبینی و کاهش خطاها کمک کند. این تحقیق نشاندهنده قابلیتهای بالای یادگیری ماشین در شناسایی تهدیدات سایبرى و بهبود عملکرد سیستمهای امنیتی است |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14703 |
| زبان مدرک : | فارسی |
استفاده از روشهای مبتنی بر یادگیری ماشین به منظور بهبود پیشبینی حملات فیشینگ (1403) / عابدی ، معصومه، نویسنده