Kimlik hırsızı web sitelerinin sınıflandırılması için makine öğrenmesi yöntemlerinin karşılaştırılması
Günümüzde makine öğrenmesi yöntemleri bilgisayarların daha doğru eylemler gerçekleştirmesi amacıyla birçok farklı şekilde kullanılmaktadır. Bu amaçla kullanıldıkları bir alan kimlik hırsızı web sitelerinin tespit edilmesidir. Kimlik hırsızlığı, önemli kişisel bilgileri çalmak amacıyla güvenilir web...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Pamukkale University
2018-10-01
|
| Series: | Pamukkale University Journal of Engineering Sciences |
| Subjects: | |
| Online Access: | http://dergipark.org.tr/pajes/issue/39683/469468?publisher=pamukkale |
| Summary: | Günümüzde
makine öğrenmesi yöntemleri bilgisayarların daha doğru eylemler
gerçekleştirmesi amacıyla birçok farklı şekilde kullanılmaktadır. Bu amaçla
kullanıldıkları bir alan kimlik hırsızı web sitelerinin tespit edilmesidir.
Kimlik hırsızlığı, önemli kişisel bilgileri çalmak amacıyla güvenilir web
sitelerini taklit eden sahte web sitelerinin oluşturulduğu çevrimiçi bir
saldırı biçimidir. Bu tehlikeyi gerçekleşmeden önlemek amacıyla web sitelerinin
farklı özelliklere dayanarak kimlik hırsızı bir site olup olmadığının
belirlenmesi önemlidir. Bu çalışmada, bir web sitesinin kimlik hırsızı olup
olmadığını tahmin etmek amacıyla AdaBoost, çok katmanlı algılayıcı, destek
vektör makinesi, karar ağacı, en yakın k komşu, Naïve Bayes ve rastgele orman
makine öğrenmesi yöntemleri 9 farklı özellik içeren 1353 örnekten oluşan bir
veri kümesinden yararlanarak karşılaştırılmıştır. Eğitim ve sınama şeklinde
ikiye bölünmüş veri kümesiyle yapılan deneylerde karar ağaçlarından oluşturulan
bir topluluk öğrenme yaklaşımı olan rastgele orman yöntemi, karşılaştırılan
diğer yöntemlere göre daha başarılı olsa da çapraz doğrulamanın kullanıldığı
durumda çok katmanlı algılayıcı daha yüksek bir başarım elde etmiştir. |
|---|---|
| ISSN: | 1300-7009 2147-5881 |