تشخیص صفحات جعلی در اینترنت با انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی ملخ

یکی از روش های تشخیص حملات فیشینگ و صفحات جعلی در اینترنت استفاده از یادگیری ماشین مانند شبکه عصبی مصنوعی است با این وجود در این نوع روش ها ویژگی های زیادی وجود که یادگیری را کند نموده از طرفی دقت یادگیری بر روی ویژگی های غیر مهم نیز کاهش می یابد لذا در روش پیشنهادی برای افزایش کارایی شبکه عصبی مصنوعی یک روش انتخاب ویژگی مبتنی بر الگوریتم بهبود یافته ملخ ارائه شده است. پیاده سازی روش پیشنهادی ما در محیط متلب نشان می دهد که الگوریتم پیشنهادی نسبت به الگوریتم بهینه سازی ملخ زودتر خطای خود را کمینه می نماید از طرفی الگوریتم پیشنهادی برای یافتن بهینه های سراسری در تکرارهای کمتری به خطای کمی می رسد. آزمایشات نشان می دهد مقدار تابع هدف مرتبط با انتخاب ویژگی جهت تشخیص صفحات جعلی از قانونی در روش پیشنهادی و الگوریتم بهینه سازی ملخ مرتبا کاهش داشته اما این کاهش در الگوریتم بهبود ملخ یا روش پیشنهادی بیشتر است. تابع هدف در الگوریتم بهینه سازی ملخ برای انتخاب ویژگی با افزایش جمعیت در حدود 31.62% کاهش می یابد و این در حالی است که در روش پیشنهادی در حدود 51.78% کاهش داشته است. آزمایشات تایید می نماید که خطای تشخیص صفحات جعلی در روش پیشنهادی بیشتر از الگوریتم بهینه سازی ملخ کاهش خواهد یافت و در جمعیت برابر 5 خطای روش پیشنهادی 18.88% از الگوریتم بهینه سازی ملخ کمتر است از طرفی روش پیشنهادی در حدود 30.12% خطای کمتر در تشخیص صفحات جعلی نسبت به شبکه عصبی مصنوعی نشان می دهد.

کلیدواژه ها:

صفحات فیشینگ ، صفحه جعلی ، یادگیری ، شبکه عصبی ، الگوریتم ملخ