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

ترجمه مقاله یک رویکرد عصبی فازی برای شناسایی فیشینگ - نشریه IEEE
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
یک رویکرد عصبی فازی برای شناسایی فیشینگ
عنوان انگلیسی
A Novel Neuro-Fuzzy Approach for Phishing Identification
صفحات مقاله فارسی
16
صفحات مقاله انگلیسی
6
سال انتشار
2014
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
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 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 در ترجمه
در داخل متن و انتهای مقاله درج شده است
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
doi یا شناسه دیجیتال
https://doi.org/10.1109/ICCAIS.2014.7020555
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 چکیده متن اصلی 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 چکیده ترجمه متن فارسی
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.

بدون دیدگاه