![](/images/graphics-bg.png)
How to detect phishing website using three model ensemble classification
العناوين الأخرى
كيفية اكتشاف موقع التصيد الاحتيالي باستخدام تصنيف المجموعة ثلاثية النماذج
مقدم أطروحة جامعية
مشرف أطروحة جامعية
الجامعة
جامعة الشرق الأوسط
الكلية
كلية تكنولوجيا المعلومات
القسم الأكاديمي
قسم علم الحاسوب
دولة الجامعة
الأردن
الدرجة العلمية
ماجستير
تاريخ الدرجة العلمية
2020
الملخص العربي
مع زيادة عدد مستخدمي الويب، تزداد هجمات التصيد الاحتيالي تدريجيا من أجل الاستجابة بفعالية لمختلف هجمات التصيد الاحتيالي، من الضروري الفهم الصحيح لهجمات التصيد الاحتيالي، و يجب استخدام طرق الاستجابة المناسبة.
تحقيقا لهذه الغاية، في هذه الأطروحة، يتم تحليل تصنيف المجموعة ثلاثية النماذج للكشف عن هجوم موقع التصيد من خلال هذا التحليل، من الممكن إعادة النظر في الوعي بهجمات التصيد ومنع حدوث هجمات التصيد مقدما.
بالإضافة إلى ذلك، يقترح إجراء مضاد لكل نوع تصيد بناءً على المحتوى الذي تم تحليله.
النموذج المقترح هو طريقة تستخدم ميزات موقع الويب المناسبة لكل خطوة.
لتحديد فعالية الإجراء المضاد، يتم إنشاء كل نموذج تصنيف من خلال طريقة استخراج الميزات المقترحة ويتم التحقق من دقة كل نموذج.
في الختام، فإن الطريقة المقترحة في هذه الأطروحة هي الأساس لتقوية تكنولوجيا مكافحة التصيد والأساس للتعزيز أمن الموقع.
لذلك، تعد طرق تصنيف المجموعة الثلاثية النماذج تجمع بين العديد من تقنيات التعلم الآلي في نموذج تنبئي واحد من أجل تقليل التباين في التباين أو تحسين التنبؤ يمكن الخوارزمية اكتشاف مواقع التصيد باستخدام ثلاث تصنيفات للمجموعات، و التي تم اقتراحها في هذه الأطروحة أن تحصل على دقة عالية في اكتشاف مواقع التصيد، لأن ثلاث خوارزميات تصنيف هي و الغابة العشوائية و دعم آلة المتجه و شجرة القرارات مدمجة في نظام واحد.
أظهرت جميع نتائج الخوارزمية المقترحة التي تم تحقيقها أعلى دقة بنسبة 98.52% عن غيرها.
و هي أعلى بنسبة %1.26 خوارزمية الغابة العشوائية، و 3.16% من دعم آلة المتجه، و 2.65% من خوارزمية شجرة القرار
الملخص الإنجليزي
As the number of web users increases, phishing attacks are gradually increasing.
In order to effectively respond to various phishing attacks, a proper understanding of phishing attacks is necessary, and appropriate response methods must be utilized.
To this end, in this thesis, three ensemble classification to detect the phishing website attack is analyzed.
Through this analysis, it is possible to reconsider the awareness of phishing attacks and prevent the damage of phishing attacks in advance.
In addition, a countermeasure is proposed for each phishing type based on the analyzed content.
The proposed countermeasure is a method that utilizes appropriate website features for each step.
To determine the effectiveness of the countermeasure, every classification model is generated through the proposed feature extraction method and the accuracy of each model is verified.
In conclusion, the proposed method in this thesis is the basis for strengthening anti-phishing technology and the basis for strengthening website security.
Therefore, ensemble methods are meta-algorithms that combine several machine learning techniques into one predictive model in order to decrease variance bagging or improve prediction stacking.
Phishing website detection algorithm using three ensemble classification, which is proposed in this thesis can get the high phishing website detecting accuracy, because three classification algorithms Random Forest, Support Vector Machine, and Decision Tree are combined in one system.
All the achieved proposed algorithm results have shown the highest accuracy of 98.52% than others.
It is higher 1.26% than Random Forest, 3.16% than Support Vector Machine, and 2.65% than the Decision Tree algorithm.
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الموضوعات
عدد الصفحات
68
قائمة المحتويات
Table of contents.
Abstract.
Abstract in Arabic.
Chapter One : Introduction.
Chapter Two : Background and literature review.
Chapter Three : Methodology and the proposed model.
Chapter Four : Implementation and evaluation results.
Chapter Five : Conclusion and future work.
References.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
al-Sharif, Yusra Majid. (2020). How to detect phishing website using three model ensemble classification. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-970879
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
al-Sharif, Yusra Majid. How to detect phishing website using three model ensemble classification. (Master's theses Theses and Dissertations Master). Middle East University. (2020).
https://search.emarefa.net/detail/BIM-970879
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
al-Sharif, Yusra Majid. (2020). How to detect phishing website using three model ensemble classification. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-970879
لغة النص
الإنجليزية
نوع البيانات
رسائل جامعية
رقم السجل
BIM-970879
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)