بررسی مسئله شناسایی صفحات وب مخرب و مشکلات رایج آن

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 601

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCEB02_009

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

امروزه با گسترش و توسعه مداوم وب، راه برای سوء استفاده از آسیب پذیری ها توسط مهاجمان بازشده است تا محتوای مخرب مورد نظر خود را به داخل صفحات وب تزریق کنند. تنها با یک بار بازدید کاربران از صفحات وب، صفحات وب مخرب داده های حساس آنها را به سرقت برده، قربانیان را به مقاصد مخرب دیگری هدایت می کنند یا اینکه تماماً کنترل سیستم قربانی را به دست می گیرند تا حملات موردنظر خود را درآینده راه بیندازند. اغلب روش ها و راهکارهای ارائه شده برای حل مسئله شناسایی صفحات وب مخرب تنها بر روی دسته حملات خاصی به طور مؤثر عمل می کنند. اما باوجود آنها شیوع و پیچیدگی حملات ایجاد شده توسط صفحات وب مخرب، همچنان نگران کننده است. در این مقاله، به روش ها و راهکارهایی که تاکنون در این زمینه ارائه شده اند و همچنین مسائل و مشکلاتی که همچنان با وجود ارائه این راه حل ها در زمینه شناسایی صفحات وب مخرب وجود دارد، می پردازیم.

کلیدواژه ها:

امنیت وب ، صفحات وب مخرب ، حملات سمت مشتری مبتنی بر وب ، یادگیری ماشین

نویسندگان

فاطمه علامه

دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، علوم و تحقیقات خوزستان، دانشگاه آزاد اسلامی اهواز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • باشگاه پژوهشگران جوان _ و نخبگان واحد شوشتر _ اسفند ...
  • Lam Le, Van., Welch, Ian., Gao, Xiaoying., Komisarczuk, Peter., Two-stage ...
  • Eshete, B., Villafiorita, A., Weldemariam, K., BINSPECT: Holistic Analysis and ...
  • Eshete B., Effective Analysis, Characterizat On, and Detection of Malicious ...
  • Dewald, A., Holz, T, Freiling, F.C., Adsandbox: Sandboxing Javascript to ...
  • Seifert, C., , Welch, I., Komisarczuk, P., Identification of Malicious ...
  • Applications Conference, ATNAC, pp. 91-96, 2008. ...
  • Byung-Ik, K., Chae-Tae, I., Hyun-Chul, J., Suspicious Malicious Weh site ...
  • Cova, M., Kruegel, Ch., Vigna, G., Detection and Analysis of ...
  • Qassrawi, Mahmoud T, Zhang, Hongli, Detecting Malicious Web Servers with ...
  • Bannur, S. N., Saul, L. K., & Savage, S. Judging ...
  • Yue, T., Sun, J., Chen, H., Fine-Grained Mining and Classification ...
  • Ma, J., Saul, L.K., Savage, S., Voelker, G.M. Beyond Blacklists ...
  • Hou, Y.T., Chang, Y., Chen, T., Lai. C.S., Chen, C.M., ...
  • Kumar , K.P.J., N.Mythili, N., An Efficient Technique for Detection ...
  • Ma, J., Saul, L.K., Savage, S., Voelker, G.M., Learning to ...
  • Choi, H., B.Zhu, B., Lee, H., Detecting Malicious Weh Links ...
  • Chiba, D.Tobe, K., Mori, T. Goto, Sh., Detecting Malicious Websites ...
  • Canali, D., Cova, M., Vigna, G. , Kruegel, C., Prophiler: ...
  • Siragedin, A., _ B., Jung, L.T., Malicious Web Page Detection: ...
  • _ , _ Comparisons of Machine Learning Techniques for Detecting ...
  • Chri stodorescu, M., et al. Semantics -aware Malware Detection. In ...
  • نمایش کامل مراجع