Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964
Τίτλος: | Ανίχνευση Phishing URLs με χρήση Μηχανικής Μάθησης |
Συγγραφείς: | Ρούσσης, Δημήτριος Σουλιώτης, Παναγιώτης Σταφυλοπάτης Ανδρέας-Γεώργιος |
Λέξεις κλειδιά: | ανίχνευση phishing url μηχανική μάθηση νευρωνικά δίκτυα τυχαία δάση ενίσχυση κλίσης βαθιά μάθηση k-nearest neighbors multi-layer perceptron convolutional neural networks voting scheme web application |
Ημερομηνία έκδοσης: | 24-Ιου-2021 |
Περίληψη: | Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη του φαινομένου του Phishing με χρήση Μηχανικής Μάθησης. Αρχικά, συλλέγουμε ενεργά URLs από διάφορες ανοιχτές πηγές, από τα οποία εξάγουμε τα χαρακτηριστικά που τα περιγράφουν. Με τον τρόπο αυτό δημιουργούμε το σύνολο δεδομένων που θα χρησιμοποιηθεί για την εκπαίδευση και την αξιολόγηση της ικανότητας διαφόρων αλγορίθμων επιβλεπόμενης μηχανικής μάθησης και αρχιτεκτονικών βαθιάς μάθησης, να διακρίνουν τα legitimate URLs από τα phishing. Κατόπιν, τα μοντέλα μηχανικής μάθησης που θεωρούνται κατάλληλα για την επίλυση του προβλήματος (Αλγόριθμος k-Κοντινότερων Γειτόνων, Πολυστρωματικό Perceptron, Τυχαία Δάση, Ενίσχυση Κλίσης, Συνελικτικά Νευρωνικά Δίκτυα), δίνουν προβλέψεις για την ταξινόμηση οποιουδήποτε URL. Η ανάπτυξη ενός επιτυχημένου σχήματος ψηφοφορίας συνδυάζει τις επιμέρους προβλέψεις προσφέροντας μια ολοκληρωμένη τελική πρόβλεψη. Τέλος, δημιουργούμε μια διαδικτυακή εφαρμογή που ενσωματώνει το σύστημα πρόβλεψης, ανιχνεύοντας αν το URL που εισάγει ο χρήστης είναι phishing. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
roussis_souliotis_diploma_thesis.pdf | 3.79 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.