عنوان المقالة:نماذج تصنيف التصيد دراسة تجريبية لعوامل الاستقراء من أجل التصنيف الفعال Phishing Classification Models An Empirical Study of Induction Factors For Effective Classification
في الآونة الأخيرة ، كرس الباحثون نماذج بارزة لمكافحة التصيد قائمة على التعلم الآلي للبقاء على قيد الحياة في مجال الأمن السيبراني الفائق مقابل تطور التصيد الاحتيالي في الفضاء الإلكتروني. ومع ذلك ، تظل هذه النماذج غير مؤهلة لاكتشاف التصيد الاحتيالي الجديد في تطبيق الوقت الفعلي. في هذا الصدد ، تدعو هذه الورقة إلى تحليل تجريبي مع الأعمال المنشورة مؤخرًا من خلال التحقق من صحة التسلسل الزمني. تم التحقق من صحة التسلسل الزمني عن طريق اختبار الأعمال على ثلاث مجموعات من البيانات المعيارية لتقييم السببية بين نتائج الكشف والقيود الخاصة بها. خلال عملية التحقق من صحة التسلسل الزمني ، قصرت الأعمال التي تم اختبارها في اكتشاف صفحات الويب المخادعة الجديدة بدقة كشف يمكن الوصول إليها. ينتج عن الأخطاء العالية إلى المتوسطة وسوء التصنيف كآثار لقيودها وإعدادات الوقت الحقيقي الثابتة. وفقًا لذلك ، تستنتج هذه الورقة أنه من خلال رفع مستوى النماذج المختبرة من حيث استخدام ميزات جديدة ومختلطة ، ومجموعة فرعية قوية من الميزات ، ومصنفات تم تعلمها بشكل فعال ؛ سيكون نموذج مكافحة التصيد التكيفي مع الإعدادات القابلة للتعديل مرنًا ضد تدفقات الويب الحديثة والقابلة للتطوير. مع هذه الاستنتاجات ، تسلط هذه الورقة الضوء على الاتجاهات المستقبلية التي يجب تطويرها جنبًا إلى جنب مع تصوير تصنيف للوضع الحالي والمشكلات المفتوحة كدليل للباحثين لإنجازاتهم المستقبلية.
الملخص الانجليزي
recently, researchers have devoted prominent machine learning-based anti-phishing models to survive a supreme cyber-security versus phishing evolution on the cyberspace. Yet, such models remain incompetent to detect new phish in a real-time application. In this concern, this paper advocates an empirical analysis with the recently published works via a chronological validation. Chronological validation achieved by testing the works on three benchmarking data sets to appraise the causality between their detection outcomes and their limitations. Throughout chronological validation, the tested works have fallen short at detecting new phish web pages with an accessible detection accuracy. High to moderate faults and misclassifications are resulted as implications for their limitations and fixed real-time settings. Accordingly, this paper infers that by elevating the tested models in terms of using new and hybrid features, robust subset of features, and actively learned classifiers; an adaptive anti-phishing model with adjustable settings will be resilient against the up-to-date and scalable web flows. With such inferences, this paper highlights what future trends to develop along with depicting a taxonomy of current status and open problems as a guide to the researchers for their future achievements.
تاريخ النشر
20/12/2020
الناشر
2017 Second Al-Sadiq International Conference on Multidisciplinary in IT and Communication Science and Applications (AIC-MITCSA)
الدكتورة هبة زهير زيدان | Dr. Hiba Zuhair | 4840