Yapay sinir ağı ve metasezgisel sınıflandırıcılarını kullanarak nesnelerin internetinde çapraz ateş ve ddos saldırılarını tespiti
Loading...
Files
Date
Authors
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.
