Phishing websites detection using bagging ensemble machine learning
Torbalama topluluk makine öğrenmesi kullanarak oltalama web sitelerini tespit etme
- Tez No: 830792
- Danışmanlar: DOÇ. DR. ADIB HABBAL
- 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: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kimlik avı saldırıları, çevrimiçi kullanıcıların güvenliği için kritik bir tehdit haline gelmiştir. Geleneksel kimlik avı tespit yöntemleri, kötü niyetli web sitelerini ve e-postaları tanımlamada genellikle zorluklarla karşılaşmaktadır. Bu araştırmada, rastgele orman, karar ağacı, gradyan artırma, k-en yakın komşu algoritmaları ile bir torbalama topluluğu kullanarak kimlik avı tespiti için yeni bir model öneriyoruz. Bu sınıflandırıcılar, veri kümesinin bu model tarafından eğitildiği ve test edildiği genel algılama performansını iyileştirmek için topluluk öğrenimi ile birleştirilmektedir. Sonuçlar, bu modelin gürültülü verilerle ve kimlik avı tekniğindeki varyasyonlarla başa çıkabildiğini, ayrıca aykırı değerlerin etkisini azaltarak daha yüksek doğruluk ve genel performans sağladığını göstermiştir.
Özet (Çeviri)
Phishing attacks have become a critical threat to the security of online users. Traditional phishing detection methods often face challenges in accurately identifying malicious websites and emails. In this research, we propose a novel model for phishing detection using a bagging ensemble with random forest, decision tree, gradient boosting, k-nearest neighbors' algorithms. Those classifiers combine with ensemble learning to improve the overall detection performance, where the dataset is trained and tested by this model. The results showed that this model can handle noisy data and variations in phishing techniques, and also reduce the impact of outliers leading to higher accuracy and overall performance.
Benzer Tezler
- Oltalama saldırılarının derin öğrenme tabanlı URL ve içerik analizi ile hibrit tespiti
Detection of phishing attacks by using deep learning based hybrid URL and content analysis
MEHMET KORKMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Sahte internet sitelerinin URL özellikleri temelinde tespit edilmesi amacıyla özellik seçme metotlarının ve öğrenme algoritmalarının analizi
Analysis of feature selection methods and learning algorithms for phishing websites detection based on URL
MUSTAFA AYDIN
Doktora
Türkçe
2022
Bankacılıkİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
PROF. DR. KUTLUK KAĞAN SÜMER
- Detecting phishing websites with effective classifiers and feature selection techniques in machine learning and data mining
Başlık çevirisi yok
AMINA MOHAMUD ALI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES
- Oltalama internet sitelerinin otomatik tespiti ve kullanıcı istismarının önüne geçilmesi için modül tasarımı
Automatic phishing websi̇te detection and module design for prevent user abuse
SAMET GANAL
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Topluluk öğrenmesi kullanılarak zararlı alan adlarının sınıflandırılması
Malicious domain name classification using ensemble learning
AHMET AYDIN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ