<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Yapay sinir ağı ve metasezgisel sınıflandırıcılarını kullanarak nesnelerin internetinde çapraz ateş ve ddos saldırılarını tespiti

Loading...
Thumbnail Image

Date

Journal Title

Journal ISSN

Volume Title

Publisher

Kastamonu Üniversitesi

DOI

Abstract

Kimlik avı saldırıları, hassas kullanıcı bilgilerini çalmak için sahte web siteleri kullanarak çevrimiçi güvenlik için önemli bir tehdit oluşturmaktadır. Derin öğrenme teknikleri, özellikle de evrişimsel sinir ağları (CNN'ler), oltalama saldırılarını tespit etmek için umut verici araçlar olarak ortaya çıkmıştır. Bununla birlikte, geleneksel CNN tabanlı görüntü sınıflandırma yöntemleri sahte sayfaları etkili bir şekilde tanımlamada sınırlamalarla karşı karşıyadır. Bu zorluğun üstesinden gelmek için, bir CNN-LSTM hibrit modeli kullanarak kimlik avı saldırılarını tespit etmek için görüntü tabanlı bir kodlama yaklaşımı öneriyoruz. Bu yaklaşım, veri kümesini dengelemek, bilgilendirici özellikleri seçmek ve gri tonlamalı görüntüler oluşturmak için Otomatik Kodlayıcı ağına dayalı gelişmiş bir GAN olan SMOTE ile sürü zekası algoritmalarını birleştirmektedir. Üç kıyaslama veri kümesi üzerinde yapılan deneyler, önerilen yöntemin diğer tekniklere kıyasla üstün doğruluk, kesinlik ve hassasiyet elde ettiğini, kimlik avı saldırılarını etkili bir şekilde tanımladığını ve çevrimiçi güvenliği artırdığını göstermektedir.

Description

Citation

Collections

Endorsement

Review

Supplemented By

Referenced By

Rights and licensing

info:eu-repo/semantics/openAccess
Google Scholar
Scholar'da Ara ↗
Bu yayında DOI yok — Altmetric/Dimensions/PlumX/BIP! rozetleri DOI gerektirir.