دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


عنوان محصول: تشخیص فیشینگ و کشف موجودیت جعل هویت شده با استفاده از میدان تصادفی شرطی و تخصیص پنهان دیریکله

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: پنج شنبه 25 آذر 1395
توضیحات مختصر: فیشینگ، تلاشی برای سرقت اطلاعات شخصی و مالی کاربران مانند رمزهای عبور، امنیت اجتماعی و ارقام کارت اعتباری از طریق ارتباطات الکترونیکی مانند ایمیل و سایر سرویس های انتقال پیام است. مهاجمان وانمود می کنند که از یک سازمان قانونی و کاربران مستقیم به وب سایت جعلی که شبیه وب سایت قانونی است، که برای جمع آ...
تشخیص فیشینگ و کشف موجودیت جعل هویت شده با استفاده از میدان تصادفی شرطی و تخصیص پنهان دیریکله تشخیص فیشینگ و کشف موجودیت جعل هویت شده با استفاده از میدان تصادفی شرطی و تخصیص پنهان دیریکله


قیمت قیمت : 30000 تومان
تخفیف تخفیف: 5000 تومان
قیمت نهایی قیمت نهایی: 25000 تومان
522 بازدید
کد مقاله: TTC- 1- 149
نوع فایل : docx
Journal: Elsevier 2013,

Phishing detection and impersonated entity discovery using Conditional Random Field and Latent Dirichlet Allocation
Abstract
Phishing is an attempt to steal users personal and financial information such as passwords, social security and credit card numbers, via electronic communication such as e-mail and other messaging services. Attackers pretend to be from a legitimate organization and direct users to a fake website that resembles a legitimate website, which is then used to collect users personal information. In this paper, we propose a novel methodology to detect phishing attacks and to discover the entity organization that the attackers impersonate during phishing attacks. The proposed multi-stage methodology employs natural language processing and machine learning. The methodology first discovers (i) named entities, which includes names of people, organizations, and locations; and (ii) hidden topics, using (a) Conditional Random Field (CRF) and (b) Latent Dirichlet Allocation (LDA) operating on both phishing and non-phishing data. Utilizing topics and named entities as features, the next stage classifies each message as phishing or non-phishing using AdaBoost. For messages classified as phishing, the final stage discovers the impersonated entity using CRF. Experimental results show that the phishing classifier detects phishing attacks with no misclassification when the proportion of phishing emails is less than 20. The F-measure obtained was 100. Our approach also discovers the impersonated entity from messages that are classified as phishing, with a discovery rate of 88.1%. The automatic discovery of impersonated entity from phishing helps the legitimate organization to take down the offending phishing site. This protects their users from falling for phishing attacks, which in turn leads to satisfied customers. Automatic discovery of an impersonated entity also helps email service providers to collaborate with each other to exchange attack information and protect their customers.
Keywords: Boosting; Conditional Random Field; Identity theft; Impersonated entity discovery; Latent Dirichlet Allocation; Machine learning; Named entity; Natural language processing; Phishing

چکیده
فیشینگ، تلاشی برای سرقت اطلاعات شخصی و مالی کاربران مانند رمزهای عبور، امنیت اجتماعی و ارقام کارت اعتباری از طریق ارتباطات الکترونیکی مانند ایمیل و سایر سرویس های انتقال پیام است. مهاجمان وانمود می کنند که از یک سازمان قانونی و کاربران مستقیم به وب سایت جعلی که شبیه وب سایت قانونی است، که برای جمع آوری اطلاعات شخصی کاربران استفاده می شود، هستند. در این مقاله یک متدولوژی جدید برای تشخیص حملات فیشینگ و کشف موجودیت/سازمانی که مهاجمان در طول حملات فیشینگ جعل هویت می کنند، پیشنهاد می کنیم. متدولوژی چندمرحله ای پیشنهادی از پردازش زبان طبیعی و یادگیری ماشین استفاده می کند. متدولوژی ابتدا موجودیت های مشخص (نامبرده) را که شامل اسامی افراد، سازمان ها و مکان ها است کشف می کند و سپس عناوین پنهان را با استفاده از میدان تصادفی شرطی (CRF) و تخصیص دیریکله نهفته (LDA) با عملکرد روی هر دو داده های فیشینگ و غیرفیشینگ کشف می کند. با استفاده از عناوین و موجودیت های نامبرده بعنوان مشخصه ها، مرحله بعدی هر پیام را با استفاده از AdaBoost بصورت فیشینگ یا غیر فیشینگ طبقه بندی می کند. برای پیام هایی که بصورت فیشینگ طبقه بندی می شوند، مرحله نهایی، موجودیت جعل هویت شده را با استفاده از CRF کشف می کند. نتایج تجربی نشان می دهند که طبقه بندی کننده ی فیشینگ، حملات فیشینگ را بدون هیچ طبقه بندی اشتباه تشخیص می دهد، زمانیکه نسبت ایمیل های فیشینگ کمتر از 20% است. میزان F بدست آمده برابر 100% بود. راهکار ما همچنین موجودیت جعل هویت شده را از پیام هایی که بصورت فیشنگ با نرخ کشف 88.1% طبقه بندی می شوند، کشف می کند. کشف خودکار موجودیت جعل هویت شده از فیشینگ به سازمان قانونی کمک می کند تا تخلف سایت فیشینگ را کاهش دهد. که کاربران شان را از در معرض حملات فیشینگ قرارگیری حفاظت می کند که در مقابل منجر به رضایت مشتریان می شود. کشف خودکار موجودیت جعل هویت شده همچنین به فراهم کننده های سرویس ایمیل در مشارکت با یکدیگر برای مبادله ی اطلاعات حمله و حفاظت از مشتریان شان کمک می کند.
کلمات کلیدی: تقویت, میدان تصادفی شرطی, سرقت هویت, کشف موجودیت جعل هویت شده, تخصیص دیریلکه نهفته, یادگیری ماشین, موجودیت نامبرده, پردازش زبان طبیعی, فیشینگ.

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:17 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:41 صفحه

تماس با پشتیبانی فروشگاه ترجمه‌های تخصصی

نام و نام خانوادگی*
پست الکترونیکی*
موضوع پیام*
متن پیام*
اطلاعات تماس با فروشگاه ترجمه‌های تخصصی


فروشگاه ترجمه‌های تخصصی
پست الکترونیک :info@ttsell.ir
پست الکترونیک :mailttsell@gmail.com
شماره تلفن تماس:09355907190
کانال تلگرام : t.me/ttsell

  • آدرس: تبریز، خیابان  خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن  تماس: 09355907190
  • تلفن  ثابت : 35250068-041
  •  Mailttsellاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @ttsell:آدرس تلگرام
فروشگاه ترجمه‌های تخصصی از  سال  1387شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.
Scroll to top