What does this research mean for the field?

The proposed ensemble learning-based machine learning model achieves a classification accuracy of 97.96% in detecting phishing attacks, outperforming existing models using the same dataset. Novelty: ClaimNovelty.NOVEL_FINDING. Consensus alignment: ConsensusAlignment.SUPPORTS_CONSENSUS.

What question did this study set out to answer?

Esta investigación tiene como objetivo desarrollar un modelo de aprendizaje automático para detectar ataques de phishing utilizando técnicas de aprendizaje en conjunto.

March 16, 2026Open Access

Un nuevo modelo de aprendizaje de máquina basado en aprendizaje en conjunto para ataques de phishing

Puntos clave

Esta investigación tiene como objetivo desarrollar un modelo de aprendizaje automático para detectar ataques de phishing utilizando técnicas de aprendizaje en conjunto.
Se propuso un modelo novedoso basado en aprendizaje en conjunto para la detección de phishing.
Se implementaron algoritmos de selección de características para mejorar el éxito de clasificación del modelo.
Se entrenó el modelo utilizando los algoritmos XGBoost, CatBoost y LightGBM en un marco de clasificador por votación.
Se evaluó el rendimiento del modelo utilizando métricas estándar.
Se compararon los resultados con la literatura existente sobre el mismo conjunto de datos.
Se logró una precisión del 97.96% en la detección de phishing.
Se demostró un mejor rendimiento en comparación con estudios anteriores que utilizan el mismo conjunto de datos.

Resumen

En el mundo actual, internet es cada vez más efectivo en todos los aspectos de nuestras vidas. Internet, que proporciona innumerables ventajas cuando se utiliza de manera consciente, también conlleva muchos peligros en su otro aspecto. Uno de estos peligros y el más importante es la posibilidad de ser objetivo de personas malintencionadas mientras se utiliza internet. Los atacantes pueden engañar a personas inocentes dirigiéndolas a sitios web falsos y engañosos para obtener nuestra información y datos importantes. Con este tipo de ataque, conocido como ataque de phishing, los usuarios de internet pueden proporcionar su información y datos a los atacantes. En este estudio, proponemos un nuevo modelo de aprendizaje de máquina basado en aprendizaje en conjunto con métodos de selección de características para detectar ataques de phishing. También probamos dos algoritmos de selección de características para aumentar el éxito de clasificación del modelo y analizamos los efectos de estos algoritmos en el éxito de clasificación. Después de los algoritmos de selección de características, el conjunto de datos con las características seleccionadas fue entrenado con un nuevo modelo de aprendizaje en conjunto que creamos con el método de clasificador por votación utilizando los algoritmos XGBoost, CatBoost y LightGBM. El modelo propuesto fue analizado utilizando métricas de evaluación de rendimiento ampliamente utilizadas, logrando una precisión del 97.96%. Se observó que el modelo propuesto supera los estudios en la literatura que utilizan el mismo conjunto de datos.

Me gusta

Guardar

Ver artículo completo