URL 기반 피싱 웹 페이지 탐지를 위한 강력한 앙상블 학습 접근법

온라인 사기의 확산은 개인과 조직 모두에게 상당한 재정적 손해를 초래하였으며, 웹 피싱은 가장 광범위하고 해로운 공격 벡터 중 하나로 부상하였습니다. 이에 따라, 본 논문에서는 다목적 유전자 알고리즘을 활용하여 앙상블 모델 선택 및 구성에서 정확도와 재현율을 공동 최적화하는 URL 기반 피싱 탐지 접근법인 스태킹 앙상블 모델 생성기(SEMG)를 제안합니다. 초기 기본 학습자 풀은 레이블이 지정된 데이터 세트에서 훈련되고, 이후 유전자 연산자를 통해 전역 최적 앙상블로 진화합니다. Mendeley와 UCI 저장소에서 수집한 5개의 데이터 세트에서의 실험적 평가는 SEMG가 개별 기본 학습자를 지속적으로 초월하고 기존 방법들과 비교하여 우수한 성능을 보임을 입증하며, D2에서 모든 지표에서 99.2% 성능을 달성하고 나머지 벤치마크에서도 최첨단 결과를 달성하거나 초과했습니다. 이러한 결과는 프레임워크의 강력함과 실제 피싱 탐지 시스템에서의 배치 가능성을 강조합니다.