Früherkennung von Phishing-Webseiten mit verbesserten neuronalen Netzwerkmodellen

Phishing ist ein digitales Verbrechen, das darauf abzielt, persönliche Daten zu erlangen, indem ein Link oder eine Webseite erstellt wird, die dem Original ähnelt. Diese Form des Cyberangriffs wird durch eine Benachrichtigung in einer Textnachricht, E-Mail oder Telefonanruf verursacht. Eine gängige Maßnahme zur Bekämpfung von Phishing besteht darin, eine frühzeitige Erkennung potenzieller Phishing-Seiten durchzuführen, hauptsächlich basierend auf den Merkmalen des Quellcodes, die erforderlich sind, um Inhalte von Webseiten zu durchlaufen, sowie Dritter, die den Prozess der Klärung von Phishing-URLs verlangsamen. Obwohl die neueste Technologie seit langem in der frühen Erkennung von Phishing eingesetzt wird, besteht weiterhin die Notwendigkeit für manuelles Feature Engineering, das wichtig und zuverlässig genug ist, um aufkommende Phishing-Delikte zu erkennen. Eines davon umfasst das Training eines neuronalen Netzwerks (NN) mit einem Datensatz von bekannten Phishing-URLs und legitimen URLs. Die Forschung wurde mit 200 Daten durchgeführt, die in Trainings- und Testkategorien unterteilt wurden. Das Training wurde mit 100 und 120 Daten durchgeführt. Die Trainingsergebnisse mit 100 Daten und 160 Daten hatten niedrigere Iterationen und Fehler bei der tanh-Aktivierungsfunktion im Vergleich zur logistischen Aktivierungsfunktion. Die Anzahl der Iterationen, die bei der logistischen Aktivierung auftreten, beträgt 400 Iterationen, während bei der Verwendung der tanh-Aktivierungsfunktion nur 175 Iterationen erforderlich sind.