تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله یک رویکرد عصبی فازی برای شناسایی فیشینگ – نشریه IEEE

عنوان فارسی: یک رویکرد عصبی فازی برای شناسایی فیشینگ
عنوان انگلیسی: A Novel Neuro-Fuzzy Approach for Phishing Identification
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 16
سال انتشار : 2014 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
فونت ترجمه مقاله : بی نازنین سایز ترجمه مقاله : 14
نوع مقاله : ISI نوع ارائه مقاله : کنفرانس
کد محصول : F1543 وضعیت ترجمه : ترجمه شده و آماده دانلود
محتوای فایل : zip حجم فایل : 1.80Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی فناوری اطلاعات، رایانس امن، اینترنت و شبکه های گسترده
کنفرانس: کنفرانس بین المللی کنترل ، اتوماسیون و علوم اطلاعات
دانشگاه: دانشکده فناوری اطلاعات، ویتنام
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1109/ICCAIS.2014.7020555
ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

I- مقدمه

II- کارهای مرتبط

III- طرح سیستم

A- URL

B- ویژگی های URL

C- ویژگی های رتبه بندی دامنه ها

D- طرح مدل سیستم

E- مدل شبکه عصبی فازی

IV- ارزیابی

A- فاز آموزش

B- فاز آزمون

C- مقایسه با تکنیک [11]

D- مقایسه با تکنیک [12]

V- نتیجه گیری و کارهای آتی

نمونه متن انگلیسی

Abstract

Together with the growth of Internet, e-commerce transactions play an important role in the modern society. As a result, phishing is a deliberate act by an individual or a group of people to steal personal information such as password, banking account, credit card information, etc. Most of these phishing web pages look similar to the real web pages in terms of website interface and uniform resource locator (URL) address. Many techniques have been proposed to identify phishing websites, such as Blacklist-based technique, Heuristic-based technique, etc. However, the number of victims has been increasing due to inefficient protection technique. Neural networks and fuzzy systems can be combined to join its advantages and to cure its individual illness. This paper proposed a new neuro-fuzzy model without using rule sets for phishing identification. Specifically, the proposed technique calculates the value of heuristics from membership functions. Then, the weights are trained by neural network. The proposed technique is evaluated with the datasets of 11,660 phishing sites and 10,000 legitimate sites. The results show that the proposed technique can identify over 99% phishing sites.

نمونه متن ترجمه

چکیده

همراه با رشد اینترنت، معاملات تجارت الکترونیک نقش مهمی در جامعه مدرن ایفا می کند. در نتیجه، فیشینگ اقدامی عمدی توسط فرد یا گروهی از افراد برای سرقت اطلاعات شخصی مانند کلمه عبور، اطلاعات حساب بانکی، کارت اعتباری و غیره می باشد. اکثر این صفحات وب فیشینگ از لحاظ رابط و آدرس وب یا مکان یکنواخت منبع (URL) همانند صفحات اصلی هستند. تکنیک های بسیاری برای شناسایی صفحات وب پیشنهاد شده است، مانند تکنیک های مبتنی بر فهرست سیاه (Blacklist)، تکنیک های مبتنی بر اکتشاف، و غیره. با این وجود، به دلیل تکنیک های حفاظت ناکارآمد، تعداد قربانیان در حال افزایش می باشد. شبکه های عصبی و سیستم های فازی می توانند ترکیب شوند تا مزایای مشترکی داشته باشند و مشکلات مجزایشان را برطرف کنند. این مقاله مدل عصبی فازی جدید بدون استفاده از مجموعه قوانین برای شناسایی فیشینگ را معرفی می کند. بویژه، تکنیک پیشنهادی ارزش اکتشافات از توابع عضویت را محاسبه می کند. سپس، وزن ها توسط شبکه عصبی آموزش داده می شوند. تکنیک پیشنهادی بدون مجموعه داده از 11660 سایت فیشینگ و 10000 سایت قانونی ارزیابی می شود. نتایج نشان می دهد که تکنیک پیشنهادی می تواند بیش از 99% از سایت های فیشینگ را شناسایی کند.