بررسی روش های هوشمند شناسایی، پیشگیری و مقابله با حملات فیشینگ

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,752

فایل این مقاله در 23 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF03_349

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

امروزه یکی از مهمترین ریسک ها و چالش های امنیتی مورد توجه در تجارت الکترونیک، شبکه های اجتماعی، سایت های حراجی و درگاه های پرداخت آنلاین، خطر کلاهبرداری آنلاین و حمله های فیشینگ است. فیشینگ یک نمونه از تکنیک مهندسی اجتماعی است که به منظور گمراه کردن کاربران اینترنتی برای سرقت اطلاعات حساس و محرمانه کاربران اعم از حساب کاربری، رمز عبور و یا شماره کارت اعتباری انجام می شود. در این مقاله به بررسی و تحلیل الگوریتم های ارایه شده جهت شناسایی و تشخیص حملات فیشینگ پرداخته شده است. در ابتدا به اهمیت حملات فیشینگ و انگیزه کلاهبرداران از آن پرداخته می شود، سپس ویژگی های استخراج شده از صفحات وب و ایمیل های فیشینگ جهت شناسایی حملات فیشینگ بررسی شده و در بخش بعد تکنیک های شناسایی حملات فیشینگ همچون نوار ابزارها، نرم افزارهای آنتی فیشینگ و رویکرد های لیست سیاه و لیست سفید معرفی می شوند. در بخش بعد به تحلیل روش های هوشمند مبتنی بر داده کاوی از جمله روش فازی، طبقه بندی انجمنی، شبکه عصبی، روش های مبتنی بر تصویر پرداخته می شود. در این مقاله سعی شده است تا به مقایسه این الگوریتم ها از نقطه نظر کارایی، دقت و صحت تشخیص نوع وب سایت ها اشاره گردد.

نویسندگان

مرضیه قدرت

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه شیراز

فاطمه السادات نیرومند حسینی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مقیمی، اکبری پور، ناصری، "توسعه سیستم خبره مبتنی بر مشخصههای ...
  • Basnet, R., Mukkamala, S. & Sung, A. H. (2008). Detection ...
  • Shekokar, N. M., Shah, C., Mahajan, M., & Rachh, S. ...
  • Anti phishing working group (APWG). 1st Quarter (2016). Phishing Activity ...
  • Abdelhamid, N., Ayesh, A., & Thabtah, F. (2014). Phishing detection ...
  • Li, Y., Xiao, R., Feng, J., & Zhao, L. (2013). ...
  • Abdelhamid, N. (2015). Multi-label rules for phishing classification. Applied Computing ...
  • Tewari, A., Jain, A. K., & Gupta, B. B. (2016). ...
  • نمایش کامل مراجع