Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Ρούσσης, Δημήτριος | - |
dc.contributor.author | Σουλιώτης, Παναγιώτης | - |
dc.date.accessioned | 2021-06-27T07:48:43Z | - |
dc.date.available | 2021-06-27T07:48:43Z | - |
dc.date.issued | 2021-06-24 | - |
dc.identifier.uri | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17964 | - |
dc.description.abstract | 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. | en_US |
dc.language | el | en_US |
dc.subject | ανίχνευση | en_US |
dc.subject | phishing | en_US |
dc.subject | url | en_US |
dc.subject | μηχανική μάθηση | en_US |
dc.subject | νευρωνικά δίκτυα | en_US |
dc.subject | τυχαία δάση | en_US |
dc.subject | ενίσχυση κλίσης | en_US |
dc.subject | βαθιά μάθηση | en_US |
dc.subject | k-nearest neighbors | en_US |
dc.subject | multi-layer perceptron | en_US |
dc.subject | convolutional neural networks | en_US |
dc.subject | voting scheme | en_US |
dc.subject | web application | en_US |
dc.title | Ανίχνευση Phishing URLs με χρήση Μηχανικής Μάθησης | en_US |
dc.description.pages | 96 | en_US |
dc.contributor.supervisor | Σταφυλοπάτης Ανδρέας-Γεώργιος | en_US |
dc.department | Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | en_US |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
roussis_souliotis_diploma_thesis.pdf | 3.79 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.