機械学習アプローチを用いたモノのインターネットにおけるフィッシングの検出

フィッシング攻撃は、電子商取引産業が成長するのと同様に増加しています。フィッシング攻撃の予測と防止は、オンライン取引を守るための非常に重要なステップです。データマイニングツールは、この点で適用可能であり、この技術は非常に簡単であり、数秒で数百万の情報をマイニングし、正確な結果を提供できます。ランダムフォレスト、決定木、ニューラルネットワーク、線形モデルなどの機械学習アルゴリズムの助けを借りて、データをフィッシング、疑わしい、正当なものに分類できます。インターネットに接続されたデバイス、すなわちモノのインターネット（IoT）は、フィッシング攻撃の非常に高いリスクにさらされています。本研究では、IoTデータセットに対してフィッシング攻撃検出のためにランダムフォレスト分類器、サポートベクターマシン、およびロジスティック回帰を適用し、次に、結果を同じデータセットおよび異なるデータセットに関して行われた以前の研究と比較しました。これらのアルゴリズムの結果は、精度、誤差率、適合率、再現率の観点から比較されました。