إن التهديدات التي لا تنتهي من التصيد الاحتيالي للفضاء الإلكتروني تحفز الباحثين على تطوير نماذج تصنيف تصيد أكثر كفاءة من أجل بقاء الأمن السيبراني من خلال خدمات الويب الآمنة. ومع ذلك ، تظل هذه النماذج متغيرة في رد فعلها وغير كفء في أدائها ضد التصيد الجديد في الوقت الفعلي للتطبيق. ويعزى ذلك إلى نقصها الجزئي أو الكامل للعوامل الاستقرائية بما في ذلك مجموعة غنية من الميزات الحاسمة ، ونموذج التصنيف القائم على التعلم الفعال والتعلم الآلي. حول هذه المشكلة ، تقوم ورقتنا بإعادة النظر في نماذج تصنيف التصيد الاحتيالي القائمة على تعلم الآلة وتحليل أدائها نوعيًا وكميًا عبر ثلاث مجموعات بيانات مرجعية. أكدت النتائج والملاحظات التجريبية العلاقة السببية بين قيود النماذج وافتقارها إلى العوامل الحثية. وفقًا لذلك ، يوصى بالتوقعات المستقبلية كتصنيف ملاحي لخدمة الباحثين في تطوير إنجازاتهم القادمة في كل من الأوساط الأكاديمية والصناعية.
الملخص الانجليزي
The never-ending threats of phishing to the cyberspace motivate researchers to develop more proficient phishing classification models for the survival of cyber-security with safe web services. However, these models remain variable in their reaction and incompetent in their performance against novel phishes at the real-time of application. This is attributed to their partial or full deficiency of inductive factors including a rich set of decisive features, actively learned and adaptive machine learning based classification model. Upon this issue, our paper revisits the current machine learning-based phishing classification models and analyzes their performance qualitatively and quantitatively across three benchmarking data sets. Empirical results and observations emphasized the causality between the models’ limitations and their lack of inductive factors. Accordingly, future outlooks are recommended as a navigating taxonomy to serve the researchers at developing their upcoming achievements in both academia and industry.
الدكتورة هبة زهير زيدان | Dr. Hiba Zuhair | 3862