علیرضا فرزانگان - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شهید مدنی آذربا یجان، تبریز، ایران
اسماعیل نورانی - استاد یار گروه مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شهید مد نی آذربا یجان، تبریز، ا یران

در این مقاله راهکاری برای تشخیص صفحات وب فی شینگ، مبتنی بر شبکه های عصبی ارائه شده است. در روش پیشنهادی جهت شناسایی سریع تر صفحات وب فیشینگ از روش انتخاب ویژگی مبتنی بر درخت، استفاده شده است که ماحصل آن دستیابی به مجموعه بهینه ای از ویژگی های یک صفحه وب می باشد (ویژگی های بهینه، شامل 5 ویژگی برگرفته از 10 ویژگی پایه استخراج شده ازیک صفحه وب می باشد). نتایج آزمایش ها نشان می دهد که روش انتخاب ویژگی مبتنی بر درخت و طبقه بند شبکه های عصبی بهترین عملکرد را دارد، به نحوی که با استفاده از کل ویژگی ها ( 48 ویژگی یک صفحه وب) و ویژگی های پایه ( 10 ویژگی مهم و تاثیرگذار برگرفته از 48 ویژگی استخراج شده از یک صفحه وب) به ترتیب با دقت 97.19 % و 95.44 % از وب سایت های فی شینگ را شناسایی می کند . بر اساس آزمایش های انجام گرفته، روش پیشنهادی در مقایسه با روش های طبقه بند SVM, Random Forest Naive Bayes, C4.5, Jrip, و PART که از تمام 48 ویژگی استفاده کرده اند عملکرد بهتری داشته است .

فی شینگ، شبکه های عصبی، صفحات وب