طبقه بندی و شناسایی وب سایت های فیشینگ به کمک مجموعه قوانین فازی و الگوریتم اصلاح شده بهینه سازی صفحات شیب دار

یکی از تهدیدات پیش روی توسعه فناوری اطلاعات در فضای مجازی، سرقت اطلاعات شخصی و مالی کاربران می باشد که این تهدید امنیتی، فیشینگ نامیده می شود. بررسی و تحلیل روش های موجود نشان می دهد که ایجاد انعطاف پذیری در انتخاب ویژگی های اثرگذار در فرایند شناسایی وب سایت های فیشینگ، پویاسازی رفتار الگوریتم طبقه بندی کننده وب سایت های هدف و نیز امکان تحلیل و کنترل حجم گسترده ای از وب سایت ها مورد توجه قرار نگرفته است. لذا در این مقاله به منظور تحقق هم زمان سه هدف یادشده، ابتدا مکانیزمی بر اساس طراحی یک آستانه تغییر برای کاهش انعطاف پذیرویژگی های مورد ارزیابی در شناسایی وب سایت های فیشینگ تعریف شده است. سپس با حافظه مند نمودن الگوریتم بهینه سازی صفحات شیب دار، کاهش نرم اثر حافظه بر عملکرد الگوریتم در تکرارهای بالا و نیز تعریف 12 قانون فازی در یک سیستم استنتاج فازی اقدام به پویاسازی هوشمند این الگوریتم به منظور طبقه بندی وب سایت های جامعه ارزیابی به سه طبقه قانونی، مشکوک و فیشینگ می نماید. نتیجه پیاده سازی رویکرد هوشمند جدید پیشنهادی بر روی داده محک استاندارد در این حوزه و نیز مقایسه عملکرد این الگوریتم با عملکرد بهترین الگوریتم های موجود، نشان از تحقق اهداف سه گانه فوق الذکر برای این تحقیق را دارد.