: spotted hyena optimization algorithm
در نشریات گروه برق-
ایجاد صفحات جعلی در محیط وب یا فیشینگ از جمله حملات سایبری است که نیازمند ملاحظات فرماندهی و کنترل می باشد. در حملات فیشینگ افراد به سمت صفحات جعلی که توسط فیشر یا سارق ساخته شده هدایت می شوند و اطلاعات مهم آن ها توسط فیشر به سرقت می رود. الگوریتم های یادگیری ماشین و داده کاوی، الگوریتم های رایج برای طبقه بندی و تشخیص وب سایت های جعلی هستند. طبقه بندی وب سایتها بر اساس ویژگی هایی که از آن سایت استخراج می شود صورت می گیرد. بنابراین انتخاب ویژگی تاثیر زیادی در نتایج طبقه بندی دارد. امروزه الگوریتم های فراابتکاری متعددی جهت انتخاب ویژگی و بهینه سازی عملکرد الگوریتم های طبقه بندی ارایه شده اند. در مقاله حاضر، الگوریتم فراابتکاری کفتار به منظور انتخاب ویژگی های مناسب برای طبقه بندی وب سایت های جعلی مورد استفاده قرار گرفته است. در این راستا، بهبودی بر الگوریتم فراابتکاری کفتار پیشنهاد شده و الگوریتم کفتار بهبودیافته (ISHOA)، ویژگی های مناسب را از میان کل ویژگیهای موجود انتخاب کرده و به شبکه عصبی مصنوعی ارسال می کند تا در جهت طبقه بندی وب سایتها مورد استفاده قرار گیرند. نتایج پیاده سازی الگوریتم پیشنهادی نشان می دهد که این الگوریتم با دقت نهایی 64/98% نسبت به الگوریتم استاندارد بهینه سازی کفتار عملکرد بهتری داشته است. علاوه بر این، نتایج حاکی از برتری ISHOA نسبت به سه الگوریتم فراابتکاری بهینه سازی ذرات، کرم شب تاب و خفاش است. همچنین، الگوریتم پیشنهادی با تعدادی از الگوریتم های طبقه بندی ارایه شده در پژوهش های پیشین روی مجموعه داده مشابه، مقایسه شده و برتری آن نشان داده شده است.
کلید واژگان: الگوریتم بهینه سازی کفتار، الگوریتم فراابتکاری، انتخاب ویژگی، صفحات جعلی یا فیشینگ، طبقه بندیJournal of Command and Control Communications Computer Intelligence, Volume:3 Issue: 4, 2021, PP 72 -91One of the major challenges in cyber space is the existence of fake or phishing pages that needs the attention of command control systems. In phishing attacks, people are directed to fake pages and their important information is stolen by a thief or phisher. Machine learning and data mining algorithms are the widely used algorithms for phishing websites classification. Feature selection has a great influence on the classification results. In this research, an improved spotted Hyena optimization algorithm (ISHOA) is proposed to select appropriate features for classifying phishing websites through artificial neural network. The proposed ISHOA outperformed the standard spotted Hyena optimization algorithm with 98.64% better accuracy. In addition, the results indicate the superiority of ISHOA to three other meta-heuristic algorithms including: particle swarm optimization, firefly algorithm, and bat algorithm. The proposed algorithm is also compared with a number of classification algorithms proposed before on the same dataset and its dominance is showed.
Keywords: : Spotted Hyena Optimization Algorithm, Meta-heuristic Algorithms, Feature Selection, Phishing Websites, Classification
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.