Ανίχνευση επιθέσεων ηλεκτρονικού ψαρέματος με χρήση τεχνικών επιτηρούμενης μάθησης
Αντικείμενο της παρούσας εργασίας είναι οι απειλές που υπάρχουν στα online κοινωνικά δίκτυα και το πώς αυτές μπορούν να εντοπιστούν μέσω μηχανικής μάθησης. Συγκεκριμένα, η διπλωματική εστιάζει στις επιθέσεις ηλεκτρονικού ψαρέματος και το αν αυτές μπορούν να ανιχνευτούν αποτελεσματικά από ένα σύστημα...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2024
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/26364 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Αντικείμενο της παρούσας εργασίας είναι οι απειλές που υπάρχουν στα online κοινωνικά δίκτυα και το πώς αυτές μπορούν να εντοπιστούν μέσω μηχανικής μάθησης. Συγκεκριμένα, η διπλωματική εστιάζει στις επιθέσεις ηλεκτρονικού ψαρέματος και το αν αυτές μπορούν να ανιχνευτούν αποτελεσματικά από ένα σύστημα ανίχνευσης εισβολών (IDS) που βασίζεται σε βασικούς ταξινομητές, τόσο ρηχής (shallow) όσο και βαθιάς (deep) μάθησης. Συνολικά, αξιολογούνται 5 μοντέλα στο δημοσίως προσβάσιμο σύνολο δεδομένων (dataset) “Web page phishing detection”. Τα αποτελέσματα δείχνουν ότι ο καλύτερος εντοπισμός των εν λόγω απειλών γίνεται με τη χρήση του μοντέλου Support Vector Machine. |
|---|