INTELLIGENT METHODS IN CYBER DEFENCE: MACHINE LEARNING BASED PHISHING ATTACK DETECTION ON WEB PAGES

Remzi Gürfidan

Makale detayları

INTELLIGENT METHODS IN CYBER DEFENCE: MACHINE LEARNING BASED PHISHING ATTACK DETECTION ON WEB PAGES

Yazarlar:

Remzi Gürfidan

Yayıncı:

Süleyman Demirel University

Ana Başlıklar:

Bilgi Sistemleri Geliştirme Metodolojileri ve Uygulamaları

Dergi:

Mühendislik Bilimleri ve Tasarım Dergisi Vol.12 Issue 2, pp.416-429

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001321520

pISSN:

1308-6693

Anahtar kelimeler:

Özet:

 Phishing attack on web pages is a type of malicious attack that aims to steal personal and sensitive information of internet users. Phishing attacks are usually conducted through various communication channels such as email, SMS, social media messages or websites. Users are directed to fake web pages of trusted organizations such as government agencies, banks, online shopping sites, etc. and asked to enter their personal information. These fake web pages may look remarkably like the original sites and are designed to mislead users. In this study, we used machine learning methods to detect the phishing attack threat of web pages and made significant progress in this area. Extensive analysis of six different machine learning algorithms showed that the Extra Trees algorithm yielded the most successful results. To further improve this success, we fine-tuned the Extra Trees algorithm and increased the correct classification success to 97.9. In future studies, we would like to expand the dataset to include other machine learning methods to investigate the use of this technology in areas such as malware detection or the prevention of phishing attacks. This would be a crucial step towards providing more comprehensive protection in the field of cybersecurity.

 Phishing attack on web pages is a type of malicious attack that aims to steal personal and sensitive information of internet users. Phishing attacks are usually conducted through various communication channels such as email, SMS, social media messages or websites. Users are directed to fake web pages of trusted organizations such as government agencies, banks, online shopping sites, etc. and asked to enter their personal information. These fake web pages may look remarkably like the original sites and are designed to mislead users. In this study, we used machine learning methods to detect the phishing attack threat of web pages and made significant progress in this area. Extensive analysis of six different machine learning algorithms showed that the Extra Trees algorithm yielded the most successful results. To further improve this success, we fine-tuned the Extra Trees algorithm and increased the correct classification success to 97.9. In future studies, we would like to expand the dataset to include other machine learning methods to investigate the use of this technology in areas such as malware detection or the prevention of phishing attacks. This would be a crucial step towards providing more comprehensive protection in the field of cybersecurity.

 Phishing attack on web pages is a type of malicious attack that aims to steal personal and sensitive information of internet users. Phishing attacks are usually conducted through various communication channels such as email, SMS, social media messages or websites. Users are directed to fake web pages of trusted organizations such as government agencies, banks, online shopping sites, etc. and asked to enter their personal information. These fake web pages may look remarkably like the original sites and are designed to mislead users. In this study, we used machine learning methods to detect the phishing attack threat of web pages and made significant progress in this area. Extensive analysis of six different machine learning algorithms showed that the Extra Trees algorithm yielded the most successful results. To further improve this success, we fine-tuned the Extra Trees algorithm and increased the correct classification success to 97.9. In future studies, we would like to expand the dataset to include other machine learning methods to investigate the use of this technology in areas such as malware detection or the prevention of phishing attacks. This would be a crucial step towards providing more comprehensive protection in the field of cybersecurity.

 Web sayfalarında oltalama saldırısı, internet kullanıcılarının kişisel ve hassas bilgilerini çalmayı amaçlayan kötü niyetli bir saldırı türüdür. Oltalama saldırıları genellikle e-posta, SMS, sosyal medya mesajları veya web siteleri gibi çeşitli iletişim kanalları aracılığıyla gerçekleştirilir. Kullanıcılar devlet kurumları, bankalar, çevrimiçi alışveriş siteleri gibi güvenilir kuruluşların sahte web sayfalarına yönlendirilir ve kişisel bilgilerini girmeleri istenir. Bu sahte web sayfaları orijinal sitelere oldukça benzeyebilir ve kullanıcıları yanıltmak için tasarlanmıştır. Bu çalışmada, web sayfalarının kimlik avı tehdidini tespit etmek için makine öğrenimi yöntemlerini kullandık ve bu alanda önemli bir ilerleme kaydettik. Altı farklı makine öğrenimi algoritmasının kapsamlı analizi, Extra Trees algoritmasının en başarılı sonuçları verdiğini gösterdi. Bu başarıyı daha da artırmak için Extra Trees algoritmasında ince ayarlar yaptık ve doğru sınıflandırma başarısını 97,9a çıkardık. Gelecekteki çalışmalarda, bu teknolojinin kötü amaçlı yazılım tespiti veya kimlik avı saldırılarının önlenmesi gibi alanlarda kullanımını araştırmak için veri kümesini diğer makine öğrenimi yöntemlerini içerecek şekilde genişletmek istiyoruz. Bu, siber güvenlik alanında daha kapsamlı koruma sağlamaya yönelik çok önemli bir adım olacaktır.

Makale detayları

INTELLIGENT METHODS IN CYBER DEFENCE: MACHINE LEARNING BASED PHISHING ATTACK DETECTION ON WEB PAGES

Yazarlar:

Remzi Gürfidan

Yayıncı:

Süleyman Demirel University

Ana Başlıklar:

Bilgi Sistemleri Geliştirme Metodolojileri ve Uygulamaları

Dergi:

Mühendislik Bilimleri ve Tasarım Dergisi Vol.12 Issue 2, pp.416-429

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001321520

pISSN:

1308-6693

Phishing Attack

Cyber Security

Machine Learning

Web Site Phishing Attack Detection

Extra TreesPhishing Saldırısı

Siber Güvenlik

Makine Öğrenmesi

Web Site Phishing Saldırı Tespiti

Extra Trees

Sayı

Makale detayları

Yazarlar: Remzi Gürfidan

Yayıncı: Süleyman Demirel University

Ana Başlıklar: Bilgi Sistemleri Geliştirme Metodolojileri ve Uygulamaları

Dergi: Mühendislik Bilimleri ve Tasarım Dergisi Vol.12 Issue 2, pp.416-429

Belge Tipi: Makale

Yayın Tarihi: 6/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001321520

pISSN: 1308-6693

Sayı

Yazarlar:

Remzi Gürfidan

Yayıncı:

Süleyman Demirel University

Ana Başlıklar:

Bilgi Sistemleri Geliştirme Metodolojileri ve Uygulamaları

Dergi:

Mühendislik Bilimleri ve Tasarım Dergisi Vol.12 Issue 2, pp.416-429

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001321520

pISSN:

1308-6693