Réseau neuronal flou auto-expansif basé sur la théorie de la résonance adaptative pour la détection des sites d'hameçonnage
DOI :
https://doi.org/10.18540/jcecvl9iss8pp17142-01eMots-clés :
Apprentissage automatique, Reconnaissance des formes, Réseaux neuronaux artificiels, Théorie de la résonance adaptative, Sécurité de l'informationRésumé
Le phishing est une cyberattaque basée sur la fraude numérique, dont le but est de voler des informations. Ce problème tend à s'aggraver en raison de la croissance exponentielle du flux d'informations dans l'environnement numérique, couplée à la difficulté d'identifier ce type d'attaque, car les méthodes actuelles de détection du Phishing prennent plus de temps que souhaité et classent souvent des faux négatifs. Par conséquent, les approches utilisant l'apprentissage automatique ont été largement proposées, car elles ont la capacité de détecter le phishing en temps réel et avec performance. C'est dans ce scénario que s'insère ce travail, qui présente les résultats de la détection de sites de phishing via un réseau neuronal flou auto-expansif basé sur la théorie de la résonance adaptative, en utilisant le "Phishing Websites Dataset" (ensemble de données sur les sites de phishing) disponible dans le référentiel d'apprentissage automatique de l'UCI. Le modèle s'est bien adapté au problème de l'hameçonnage, obtenant des résultats de 94,7 % de sensibilité et de 92,2 % de précision.
Téléchargements
Publiée
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés The Journal of Engineering and Exact Sciences 2023
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ce travail est disponible sous la licence Creative Commons Attribution 4.0 International .