ترجمه مقاله شناسایی فیشینگ: یک مدل عصبی فازی کارآمد بدون استفاده از مجموعه قوانین - نشریه IEEE

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

شناسایی فیشینگ: یک مدل عصبی فازی کارآمد بدون استفاده از مجموعه قوانین

عنوان انگلیسی

Phishing Identification: An Efficient Neuro-Fuzzy Model Without Using Rule Sets

صفحات مقاله فارسی

17

صفحات مقاله انگلیسی

6

سال انتشار

2015

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

pdf و ورد تایپ شده با قابلیت ویرایش

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

کنفرانس

کد محصول

F1615

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

ضمیمه

ندارد

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 کامپیوتر، مهندسی فناوری اطلاعات، اینترنت و شبکه های گسترده، امنیت اطلاعات

کنفرانس

دهمین کنفرانس آسیایی کنترل - 10th Asian Control Conference (ASCC)

دانشگاه

دانشگاه حمل و نقل هوشی مین

کلمات کلیدی

فیشینگ، مبتنی بر URL، عصبی فازی

کلمات کلیدی انگلیسی

Phishing - URL-Based - Neuro-Fuzzy

doi یا شناسه دیجیتال

https://doi.org/10.1109/ASCC.2015.7244631

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.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1- مقدمه
II- کارهای مربوطه
III- طرح سیستم
A- URL
B- ویژگی های URL
C- ویژگی های پارامترهای گوگل
D- طرح مدل سیستم
IV- ارزیابی
A- فاز آموزش
B- فاز آزمون
C- مقایسه با تکنیک (10)
D- مقایسه با تکنیک (11)
V- نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

The Internet has brought enormous benefits to mankind, but it could be many potential risks. Internet crimes are growing rapidly, phishing is one of the new type of online crime. Phishing site is a fake-site aimed to steal personal information such as password, banking account and credit card information, etc. Most of these phishing pages look similar to the real pages in terms of interface and uniform resource locator (URL) address. Many techniques have been proposed to identify phishing sites. However, the numbers of victims have been increasing due to inefficient protection technique. In this paper, we develop a neuro-fuzzy model for phishing identification efficiently. The model eliminates the subjective factors to improve efficiency such as if-then rule sets, the parameters of membership functions, etc. Moreover, the efficiency features to identify phishing were used for the neuro-fuzzy model. The effectiveness of the proposed technique is examined with large-scale datasets collected from phishing sites and legitimate sites. The results show that the proposed technique can identify over 99% phishing sites.

نمونه چکیده ترجمه متن فارسی

چکیده
اینترنت مزایای فراوانی برای انسان به همراه داشته است، اما می تواند خطرات احتمالی ای نیز به دنبال داشته باشد. جرایم اینترنتی به سرعت در حال رشد هستند، فیشینگ یکی از انواع جدید جرایم آنلاین است. سایت فیشینگ یک سایت جعلی است که هدف آن سرقت اطلاعات شخصی مانند رمز عبور، اطلاعات حساب بانکی و کارت اعتباری و غیره است. اکثر این صفحات فیشینگ از لحاظ لینک و آدرس نشانه وب یا مکان یکنواخت منبع (URL) مشابه صفحات واقعی هستند. تکنیک های بسیاری برای شناسایی سایت های فیشینگ پیشنهاد شده است. با این حال، به دلیل تکنیک های ناکارآمد حفاظت، تعداد قربانیان این موضوع در حال افزایش است. در این مقاله، یک مدل عصبی فازی برای شناسایی موثر فیشینگ توسعه می دهیم. مدل، عوامل ذهنی را حذف می کند تا کارآیی هایی مانند مجموعه قوانین اگر-پس ، پارامترهای تابع عضویت و غیره را بهبود بخشد. بعلاوه، ویژگی های کارآمد جهت شناسایی فیشینگ برای مدل عصبی فازی مورد استفاده قرار گرفت. اثربخشی تکنیک پیشنهادی در پایگاه داده های مقیاس بزرگ بررسی شد که از سایت های فیشینگ و سایت های قانونی جمع آوری شد. نتایج نشان داد که تکنیک پیشنهادی م یتواند بیش از 99% از سایت های فیشینگ را شناسایی کند.