شناسايي صفحات جعلي و حملات فيشينگ در اينترنت با يادگيري عميق مبتني بر رفتار الگوريتم عروس دريايي

حملات فشينگ يكي از چالشهاي امنيتي اينترنت است. حملات فيشينگ توسط وب سايتهاي جعلي در اينترنت به وقوع مي پيوند. حملات فيشينگ داراي يك چرخه است. در مرحله اول يك صفحه وب جعلي در اينترنت بارگذاري مي شود. در مرحله دوم لينك صفحات جعلي از طريق ايميل يا شبكه اجتماعي براي قربانيان ارسال مي شود. قربانيان در بيشتر موارد به ماهيت لينكهاي جعلي توجه نمي كنند و فريب هكر را خورده سپس وارد صفحات جعلي وب مي شوند. صفحات جعلي بسيار شبيه به صفحات اصلي است و از اين جهت كاربران را فريب مي دهد و اطلاعات آنها مانند نام كاربري و پسورد كاربران را سرقت مي نمايند. تمركز حملات فيشينگ بيشتر روي وب سايتهاي مالي و درگاه هاي پرداخت است و از اين جهت زيان حملات فيشينگ قابل توجه است. در بيشتر پژوهش ها براي تشخيص حملات فيشينگ از روشهاي يادگيري ماشبن و يادگيري عميق در تركيب با روش هاي انتخاب ويژگي استفاده مي شود. چالش تشخيص حملات فيشينگ با روشهاي انخاب ويژگي عدم تركيب روشهاي انتخاب ويژگي و يادگيري ماشين با روشهاي يادگيري عميق است. تركيب روشهاي انتخاب ويژگي و يادگيري ماشين و يادگيري عميق باعث مي شود خطاي تشخيص حملات كاهش داده شود. در اين مقاله براي تشخيص حملات فيشينگ يك روش سه مرحله اي معرفي شده است. در فاز اول از الگوريتم عروس دريايي براي انتخاب ويژگي استفاده مي شود. در فاز دوم با روش انتخاب ويژگي IG، ويژگي هاي انتخاب مي شوند كه رتبه بيشتري از يك آستانه را داشته باشند. در فاز سوم روش يادگيري عميق LSTM در تركيب با دو روش ماشين بردار پشتيبان و جنگل تصادفي با مكانيزم راي گيري اكثريت براي تشخيص حملات فيشينگ استفاده مي شود. آزمايشات نشان مي دهد دقت، حساسيت و صحت روش پيشنهادي در تشخيص حملات فيشينگ به ترتيب برابر 99.36%، 99.31% و 99.32% است. روش پيشنهادي نسبت به روش LSTM، Bi-LSTM و RF داراي دقت بيشتري در تشخيص حملات فيشينگ است.