التفاصيل البيبلوغرافية
| العنوان: |
A hybrid deep learning technique for spoofing website URL detection in real-time applications ... : تقنية هجينة للتعلم العميق لاكتشاف عنوان URL لموقع الويب في التطبيقات في الوقت الفعلي ... |
| المؤلفون: |
Bridget C. Ujah-Ogbuagu, Akande Noah Oluwatobi, Emeka Ogbuju |
| بيانات النشر: |
OpenAlex |
| سنة النشر: |
2024 |
| المجموعة: |
DataCite Metadata Store (German National Library of Science and Technology) |
| مصطلحات موضوعية: |
Detection and Prevention of Phishing Attacks, Information Systems, FOS Computer and information sciences, Computer Science, Physical Sciences, Characterization and Detection of Android Malware, Signal Processing, Multi-label Text Classification in Machine Learning, Artificial Intelligence, URL Filtering, Phishing, Bot Detection, Spam Detection, Deep Learning, Computer science, Spoofing attack, Deep learning, Real-time computing, Artificial intelligence, Computer security |
| الوصف: |
Website Uniform Resource Locator (URL) spoofing remains one of the ways of perpetrating phishing attacks in the twenty-first century. Hackers continue to employ URL spoofing to deceive naïve and unsuspecting consumers into releasing important personal details in malicious websites. Blacklists and rule-based filters that were once effective at reducing the risks and sophistication of phishing are no longer effective as there are over 1.5 million new phishing websites created monthly. Therefore, research aimed at unveiling new techniques for detecting phishing websites has sparked a lot of interest in both academics and business with machine and deep learning techniques being at the forefront. Among the deep learning techniques that have been employed, Convolutional Neural Network (CNN) remains one of the most widely used with high performance in feature learning. However, CNN has a problem of memorizing contextual relationships in URL text, which makes it challenging to efficiently detect ... : يظل انتحال محدد موقع الويب الموحد (URL) أحد طرق ارتكاب هجمات التصيد الاحتيالي في القرن الحادي والعشرين. يواصل المتسللون استخدام خداع عناوين URL لخداع المستهلكين الساذجين وغير المتشككين في نشر تفاصيل شخصية مهمة في مواقع الويب الضارة. لم تعد القوائم السوداء والمرشحات القائمة على القواعد التي كانت ذات يوم فعالة في الحد من مخاطر التصيد الاحتيالي وتعقيده فعالة حيث يوجد أكثر من 1.5 مليون موقع تصيد احتيالي جديد يتم إنشاؤه شهريًا. لذلك، أثارت الأبحاث التي تهدف إلى الكشف عن تقنيات جديدة للكشف عن مواقع التصيد الاحتيالي الكثير من الاهتمام في كل من الأكاديميين والأعمال التجارية مع وجود تقنيات التعلم الآلي والعميق في المقدمة. من بين تقنيات التعلم العميق التي تم استخدامها، لا تزال الشبكة العصبية الالتفافية (CNN) واحدة من أكثر التقنيات استخدامًا على نطاق واسع مع الأداء العالي في تعلم الميزات. ومع ذلك، تواجه سي إن إن مشكلة في حفظ العلاقات السياقية في نص عنوان URL، مما يجعل من الصعب اكتشاف عناوين URL الخبيثة المعقدة بكفاءة في التطبيقات في الوقت الفعلي. على العكس من ذلك، تم استخدام نموذج التعلم العميق للذاكرة طويلة المدى ... |
| نوع الوثيقة: |
text |
| اللغة: |
English |
| العلاقة: |
https://dx.doi.org/10.60692/jyspd-c4p52Test |
| DOI: |
10.60692/24tm9-h1g62 |
| الإتاحة: |
https://doi.org/10.60692/24tm9-h1g6210.60692/jyspd-c4p52Test |
| حقوق: |
cc-by |
| رقم الانضمام: |
edsbas.4390B7E8 |
| قاعدة البيانات: |
BASE |
