Détection de sites Web de phishing utilisant l'apprentissage automatique

Les attaques de phishing représentent un type de cybercriminalité prédominant et grave, dans lequel des acteurs malveillants imitent des entités réputées pour tromper des individus et les amener à divulguer des détails confidentiels tels que des noms d'utilisateur, des mots de passe et des informations de carte de crédit. Ces tactiques trompeuses impliquent souvent des sites Web ayant l'apparence d'authenticité, soulignant l'importance de rester vigilant. Il est impératif que les individus et les organisations adoptent des méthodes de détection plus avancées et créatives afin de lutter efficacement contre ces risques de sécurité. L'objectif de ce projet est de créer un système basé sur l'apprentissage automatique pour détecter efficacement les sites Web de phishing. Nous utiliserons des techniques d'apprentissage automatique pour analyser d'importantes données sur les sites Web de phishing et authentiques, en extrayant des caractéristiques importantes telles que les types d'URL, le contenu des pages Web et les métadonnées pour entraîner différents modèles d'apprentissage automatique. Notre principale attention sera portée sur le classificateur de Gradient Boosting, une technique d'apprentissage d'ensemble reconnue pour sa précision et sa résilience. Après avoir effectué des tests et analyses approfondis, notre objectif est d'évaluer dans quelle mesure le classificateur de Gradient Boosting peut identifier les sites Web de phishing. Nos objectifs incluent la minimisation des identifications incorrectes, l'amélioration de la précision de la détection et l'accélération du temps de réponse global du système de détection. Ce projet vise à combiner des algorithmes d'apprentissage automatique sophistiqués avec la détection de phishing pour avoir un impact substantiel sur la cybersécurité, offrant aux utilisateurs un outil fiable pour se défendre contre les attaques de phishing.