Виявлення фішингових URL-адрес за допомогою алгоритмів нечіткої кластеризації із глобальною оптимізацією
DOI:
https://doi.org/10.34185/1562-9945-2-139-2022-06Ключові слова:
конфіденційні дані, класифікатор, нечітка кластеризація C-середніх, фішингові атаки, глобальна оптимізація, субтрактивна кластеризаціяАнотація
Запропоновано алгоритм виявлення фішингових URL-адрес (класифікатор) із використанням нечіткої кластеризації, який включає вибір типу інтелектуального класифікатора та обґрунтування його параметрів за допомогою методів глобальної оптимізації. Шляхом моделювання оцінено ефективність використання запропонова-ного алгоритму на прикладі експериментальних даних – набору фішингових і безпечних URL-адрес.
Посилання
Zvit kompanii NSS Labs pro testuvannia zakhystu vid fishynhu za druhyi kvartal 2020 r. [Electronic resource] – Access mode:
https://query.prod.cms.rt.microsoft.com/cms/api/am/binary/RWAIQX.
Zvit kompanii APWG pro tendentsii fishynhovoi diialnosti za pershyi kvartal 2020 roku. [Electronic resource] – Access mode:
https://docs.apwg.org/reports/apwg_trends_report_q1_2020.pdf.
Intelligent phishing detection system for e-banking using fuzzy data mining / M. Aburrous, M.A. Hossain, K. Dahal, F. Thabtah // Expert Systems with Applica-tions. – 2010. – Vol.37, issue 12. – P. 7913–7921.
Fuzzy Modelling using Firefly Algorithm for Phishing Detection / N.S. Nordin et al. // Advances in Science, Technology and Engineering Systems Journal. – 2019 – Vol. 4, No. 6. – P. 291-296.
Barraclough P.A. Parameter optimization for intelligent phishing detection using Adaptive Neuro-Fuzzy / P.A. Barraclough, M.A. Hossain, G. Sexton, N. Aslam // In-ternational Journal of Advanced Research in Artificial Intelligence. – 2014. – 3(10). – P. 16-25.
Zhang N. Phishing Detection Using Neural Network / N. Zhang, Y. Yuan // Stan-ford University – 2012. [Electronic resource] – Access mode: http://cs229.stanford.edu/proj2012/ZhangYuan-PhishingDetectionUsingNeuralNetwork.pdf.
Gupta S. Phishing URL detection by using artificial neural network with PSO / S. Gupta, A. Singhal // 2nd International Conference on Telecommunication and Net-works (TEL-NET). – 2017. – P. 1-6.
Korniienko V.I. Intelektualne modeliuvannia neliniinykh dynamichnykh protsesiv v systemakh keruvannia, kiberbezpeky, telekomunikatsii: pidruchnyk / V.I. Korniienko, O.Yu. Husiev, O.V. Herasina; za zah. red. V.I. Korniienka; M-vo osvity i nauky Ukrainy, Nats. tekhn. un-t «Dniprovska politekhnika». – Dnipro : NTU «DP», 2020. – 536 p.
Rutkovskaya D. Neyronnyye seti, geneticheskiye algoritmy i nechetkiye sistemy / D. Rutkovskaya. M. Pilinskiy. L. Rutkovskiy // per. s polsk. I.D. Rudinskogo. – M.: Horiachaia lynyia-Telekom, 2006. – 452 p.
Shtovba S.D. Proektyrovanye nechetkykh system sredstvamy Matlab / S.D. Shtovba. – M.: Horiachaia lynyia – Telekom, 2007. – 288 p.
Yager R. Essentials of Fuzzy Modelling and Control / R. Yager, D. Filev. – USA: John Wiley & Sons. – 1984. – 387 p.
Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithms / J.C. Bezdek. – New York : Plenum Press. – 1981. – 272 p.
Ivakhnenko A.G. Inductive learning algorithms for complex systems modeling / A.G. Ivakhnenko, H.R. Madala – London, Tokyo: CRC Press, 1994. – 384 p.
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
