بهبود تشخيص وبگاه هاي جعل شده با استفاده از طبقه بندي كننده شبكه عصبي مصنوعي چند لايه با الگوريتم بهينه سازي شيرمورچه

در حملات فيشينگ يك وبگاه جعلي از روي وبگاه اصلي جعل ميگردد كه ظاهر بسيار شبيه به وبگاه اصلي دارد. فيشر يا سارق آنلاين براي هدايت كاربران به اين وبگاه ها، معمولا لينك هاي جعلي را در ايميل قرار داده و براي قربانيان خود ارسال نموده و با روش هاي مهندسي اجتماعي سعي در فريب كاربران و مجاب نمودن آنها براي كليك روي لينك هاي جعلي دارد. حملات فيشينگ زيان مالي قابل توجه اي دارند و بيشتر روي بانك ها و درگاه هاي مالي متمركز هستند. روش هاي يادگيري ماشين يك روش موثر براي تشخيص حملات فيشينگ است اما اين مشروط به انتخاب بهينه ويژگي است. انتخاب ويژگي باعث مي شود فقط ويژگي هاي مهم به عنوان ورودي يادگيري در نظر گرفته شوند و خطاي تشخيص حملات فيشينگ كاهش داده شود. در روش پيشنهادي براي كاهش دادن خطاي تشخيص حملات فيشينگ يك طبقه بندي كننده شبكه عصبي مصنوعي چند لايه استفاده شده كه فاز انتخاب ويژگي آن با الگوريتم بهينه سازي شيرمورچه انجام مي شود. ارزيابي و آزمايش ها روي مجموعه داده Rami كه مرتبط با فيشينگ است نشان مي دهد روش پيشنهادي داراي دقتي در حدود 98.53 % است و نسبت به شبكه عصبي مصنوعي چند لايه خطاي كمتري دارد. روش پيشنهادي در تشخيص حملات فيشينگ از روش هاي يادگيري BPNN ، SVM ، NB ، C4.5 ، RF و kNN با سازوكار انتخاب ويژگي توسط الگوريتم PSO دقت بيشتري دارد.