Un estudio de evaluadores de subconjuntos de características y métodos de búsqueda de subconjuntos de características para la clasificación de phishing

El phishing es un ataque semántico que tiene como objetivo aprovechar la ingenuidad de los usuarios de servicios electrónicos (por ejemplo, la banca en línea). Se han propuesto una serie de soluciones para minimizar el impacto de los ataques de phishing. Los clasificadores de phishing por correo electrónico más precisos, que son de dominio público, utilizan técnicas de aprendizaje automático. Trabajos anteriores en la clasificación de correos electrónicos de phishing a través del aprendizaje automático se han centrado principalmente en mejorar la precisión de clasificación mediante el estudio de la adición de características novedosas, conjuntos o algoritmos de clasificación. Este estudio sigue un camino diferente al aprovechar características propuestas previamente. El enfoque principal de este documento es mejorar la precisión de clasificación de los clasificadores de correos electrónicos de phishing encontrando un subconjunto de características efectivo de un número de características propuestas previamente, evaluando varios métodos de selección de características. El subconjunto de características seleccionado en este estudio resultó en un modelo de clasificación con un puntaje f1 del 99.396% para 21 características heurísticas y un único clasificador.