دانلود رایگان ترجمه مقاله رویکرد کارآمد برای ردیابی فیشینگ با استفاده از مدل عصبی فازی (نشریه Ioace 2015)

این مقاله انگلیسی ISI در نشریه Ioace در ۷ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۲۰ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

رویکرد کارآمد برای ردیابی فیشینگ با استفاده از مدل عصبی فازی

عنوان انگلیسی مقاله:

An Efficient Approach for Phishing Detection Using Neuro-Fuzzy Model

 
 
 
 
 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش 
سال انتشار ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله امنیت اطلاعات، اینترنت و شبکه های گسترده، مهندسی الگوریتم ها و محاسبات، شبکه های کامپیوتری
چاپ شده در مجله (ژورنال) مجله مهندسی اتوماسیون و کنترل – Journal of Automation and Control Engineering
کلمات کلیدی فیشینگ، عصبی فازی، شبکه عصبی
ارائه شده از دانشگاه ویتنام
رفرنس دارد  
کد محصول F1642
نشریه Ioace

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش 
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۰ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه نشده است 
ضمیمه ندارد   
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است 
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن درج نشده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب

چکیده
I. مقدمه
II. کارهای مرتبط
III. طرح سیستم
A. شبکه عصبی فازی بدون مجموعه قوانین
B. URL
C. ویژگی URL
D. ویژگی رتبه بندی دامنه
E. طرح مدل سیستم
F. مدل شبکه عصبی فازی
IV . ارزیابی
A. فاز آموزش
B. فاز آزمون
C. مقایسه با تکنیک (۱۰)
D. مقایسه با تکنیک (۱۱)
V . .نتیجه گیری و کارهای آتی

 

بخشی از ترجمه
 چکیده
 امروزه، تعاملات آنلاین در جامعه مدرن معروف تر و معروف تر می شود. در نتیجه،فیشینگ تلاشی از جانب فرد یا گروهی از افراد برای سرقت اطلاعات شخصی مانند کلمه عبور، اطلاعات حساب بانکی، و کارت اعتباری و غیره می باشد. اکثر این صفحات وب فیشینگ مانند صفحات اصلی در قالب رابط وب سایت و ادرس وب (URL) هستند. تکنیک های بسیاری برای ردیابی وب سایت های فیشینگ پیشنهاد شده است مانند تکنیک های مبتنی بر بلک لیست، تکنیک مبتنی بر اکتشاف و غیره. با این حال، تعداد قربانیان به دلیل تکنیک محافظت ناکارآمد در حال افزایش است. شبکه های عصبی و سیستم های فازی می تواند برای داشتن مزایای مشترک و از بین بردن مشکلات مجزا با هم ترکیب شوند. این مقاله مدل عصبی فازی بدون استفاده از مجموعه قوانین برای ردیابی فیشینگ پیشنهاد می کند. بویژه، تکنیک پیشنهادی ارزش اکتشافی از توابع عضویت را محاسبه می کند. سپس، وزن ها توسط شبکه عصبی ایجاد می شوند. تکنیک پیشنهادی با مجموعه داده های ۱۱۶۶۰ سایت فیشینگ و ۱۰۰۰۰ سایت قانونی ارزیابی می شوند. نتایج نشان می دهد که تکنیک پیشنهادی می تواند بیش از ۹۹% از سایت فیشینگ را ردیابی کند.
 
۱- مقدمه
فیشرها مجموعه ای از تکنیک ها برای فریب دادن قربانیان می باشند که شامل پیام های ایمیل، پیام های فوری، پست های انجمن، تماس های تلفنی، پیام های متنی می باشد. این فعالیت های فیشینگ منجر به خسارت اقتصادی شدید در سراسر جهان می شود. نیمه دوم گزارش APWG برای ۲۰۱۰ ادعا کرده است که حملات فیشینگ ۱۴۲% بیش از نیمه ی اول ۲۰۱۰ رشد کرده است. گزارش هدف ها را به این صورت طبقه بندی می کند که شامل ۳۷٫۹% خدمات پرداخت، ۳۳٫۱% نهادهای مالی، ۶٫۶% طبقه بندی شده، ۴٫۶% بازی، ۲٫۸% شبکه های اجتماعی و باقی در دسته های دیگر می باشد. در سال ۲۰۱۱، ۸۳% از آمریکایی ها و ۸۵% از اروپایی ها مرتبا به صورت آنلاین خرید می کنند (Fortune Magazine, 2011). در همین حین، سایت های فیشینگ نیز از لحاظ کیفیت و تعداد در حال افزایش هستند . بنابراین خطر سرقت اطلاعات کاربر بسیار بالا است. به این دلایل، ردیابی مشکل فیشینگ در جامعه مدرن فوری، پیچیده و بسیار مهم تلقی می شود. اخیرا، مطالعاتی وجود داشته است که برخلاف فیشینگ بر اساس ویژگی های سایت مانند URL وب سایت،محتوای وب سایت، هم URL وب سایت و هم محتوا، کد منبع وب سایت یا اسکرین شات وب سایت را ترکیب می کند. با این وجود، هر مطالعه نقاط ضعف و قوت مختص خود را داراست. هنوز هم روش کافی ای وجود ندارد. در این مقاله، رویکرد جدیدی پیشنهاد شده است تا سایت های فیشینگ را ردیابی کند که بر ویژگی های URL (دامنه اصلی، زیردامنه، دامنه مسیر) و سایت های رتبه بندی (PageRank, AlexaRank, AlexaReputation) متمرکز است. پس، یک شبکه عصبی فازی پیشنهادی سیستمی است که خطا را کاهش و عملکرد را افزایش می دهد. مدل عصبی فازی پیشنهادی از مدل های محاسباتی استفاده می کند تا بدون مجموعه قوانین اجرا شود. راه حل پیشنهادی دقت ردیابی بالای ۹۹% با سیگنال کاذب پایین بدست آورد. باقی مقاله به صورت زیر سازمان دهی شده است: بخش II کارهای مرتبط را ارائه می دهد. طرح سیستم در بخش III نشان داده شده است. بخش IV درستی روش را ارزیابی می کند. در نهایت، بخش V از مقاله نتیجه گیری می کند و کارهای آتی را مورد بررسی قرار می دهد.

 

بخشی از مقاله انگلیسی

Abstract

Nowadays, online transactions are becoming more and more popular in modern society. As a result, Phishing is an attempt by an individual or a group of people to steal personal information such as password, banking account and 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 detect phishing websites, such as Blacklist-based technique, Heuristic-based technique, etc. However, the numbers of victims have 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 detection. Specifically, the proposed technique calculates the value of heuristics from membership functions. Then, the weights are generated by a 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 detect over 99% phishing sites.

۱ Introduction

Phishers use a number of techniques to lure their victims, including email messages, instant messages, forum posts, phone calls, and text messages. With these activities of phishing, it causes severe economy loss all over the world. APWG’s second half report for 2010 claimed that phishing attacks grew 142% over the first half of 2010. The report also classifies the targets as comprising 37.9% payment services, 33.1% financial institutions, 6.6% classified, 4.6% gaming, 2.8% social networks, and the remainder in other categories. In 2011, 83% of Americans and 85% of Europeans regularly shopped online (Fortune Magazine, 2011). Meanwhile, phishing sites are also growing rapidly in quality and quantity. Therefore, the risk of stealing user information is extremely high. Because of these reasons, detecting phishing problem is very urgent, complex and extremely important problem in modern society. Recently, there have been many studies which against phishing based on the characteristics of site, such as URL of website, content of website, combining both the website URL and content, source code of website or screenshot of website, Manuscript received September 21, 2014; revised December 11, 2014. etc. However, each of study has its own strengths and weaknesses. There is still not a sufficient method. In this paper, a new approach is proposed to detect the phishing sites that focuses on the features of URL (PrimaryDomain, SubDomain, PathDomain) and the ranking of site (PageRank, AlexaRank, AlexaReputation). Then, a proposed neuro-fuzzy network is a system which reduces the error and increases the performance. The proposed neuro-fuzzy model uses computational models to perform without rule sets. The proposed solution achieved detection accuracy above 99% with low false signals. The rest of this paper is organized as follows: Section II presents the related works. System design is shown in section III. Section IV evaluates the accuracy of the method. Finally, Section V concludes the paper and figures out the future works.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا