ارزیابی فنون طبقه بندی در تشخیص وب سایت های جعلی مبتنی بر داده کاوی

کشف دانش از مجموعه داده های بزرگ، حاصل پردازش های متنوعی با نام داده کاوی است. امروزه کاربرد داده کاوی درحوزه های حساسی همچون امنیت بسیار رو به گسترش است. وب سایت های جعلی به دلیل تعداد عظیم تراکنش هایبرخطی که روزانه صورت می گیرد، یکی از چالش های امنیتی مهم برای جامعه رایانه ای است. از سوی دیگر، با توجه به روندافزایشی تعداد این وب سایت ها نیاز به راه حل های هوشمند بیش از پیش احساس می شود. در همین راستا، استفاده ازالگوریتم ها طبقه بندی به منظور پیش بینی، در حل مسأله تشخیص وب سایت جعلی هم نتایجی دقیق فراهم می کند(احتمال خطاها را کاهش می دهد) و هم سبب صرفه جویی در زمان و هزینه می شود. در این مقاله با استفاده از نرم افزار وکابه ارزیابی الگوریتم های طبقه بندی مختلف برای پیش بینی وب سایت های جعلی می پردازیم. الگوریتم های مورد بررسیشامل درخت تصمیم J48 ، بیزی ساده، شبکه عصبی چندلایه، جنگل تصادفی، ماشین بردار پشتیبان و AdaBoost است ومجموعه داده انتخابی از مخزن مجموعه داده های یادگیری ماشین دانشگاه کالیفرنیا با نام مجموعه داده وب سایت های جعلیانتخاب شده است. نتایج حاصل از اجرای الگوریتم ها نشان می دهد که الگوریتم جنگل تصادفی از نظر دقت و زمان ساختمدل از سایر الگوریتم ها بهتر است.