ارائه رویکردی به منظور شناسایی و پیش بینی وب‌سایتهای فیشینگ به وسیله الگوریتمهای کلاس‌بندی براساس مشخصه‌های صفحات وب

امروزه مهمترین ریسک و چالش مورد توجه در تجارت و بانکدارای الکترونیک، خطر کلاهبرداری آنلاین و حملات فیشینگ است. حملات فیشینگ همواره به عنوان یکی از ابزارهای پرکاربرد برای مهاجمان، به منظور سرقت کلمه­های عبور و رمزهای الکترونیک کاربران در مبادلات الکترونیک بوده است. در این نوع کلاهبرداری، مهاجمان نامه­های الکترونیک با ادعاهای مختلف به قربانی ارسال می­کند و با تکنیکهای مختلفی قربانی را به صفحه­های جعلی خود هدایت می­کند سپس اقدام به سرقت اطلاعات حساس کاربران مانند رمزهای عبور می­نماید. صفحات وب، نامه­های الکترونیک و آدرسهای فیشینگ دارای ویژگیهایی هستند که از آنها می­توان برای شناسایی این حملات استفاده کرد. در این مقاله رویکردی جهت شناسایی و پیش­بینی وب­سایتهای فیشینگ با استفاده از الگوریتمهای کلاس­بندی بر اساس مشخصه­های صفحات وب ارائه خواهد شد که نرخ خطای کمتری نسبت به سایر تکنیکهای مقابله با حملات فیشینگ، به خصوص تکنیکهای مشابه میتنی بر الگوریتمهای داده کاوی دارد. در رویکرد ارائه شده، ویژگیهای قابل استفاده در شناسایی صفحات فیشینگ براساس میزان تاثیر در شناسایی این حملات وزن بندی شده سپس با اعمال الگوریتمهای کلاس بندی بر روی مجموعه داده­های مرتبط، الگویی به منظور شناسایی این حملات استخراج می­گردد که قادر به شناسایی حملات ژورنال فیشینگ بوده و نرخ خطای کمتری را نسبت به سایر روشهای مشابه پیشین نیز دارا می­باشد.