Kimlik hırsızı web sitelerinin sınıflandırılması için makine öğrenmesi yöntemlerinin karşılaştırılması
No Thumbnail Available
Date
2018
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Günümüzde makine öğrenmesi yöntemleri bilgisayarların daha doğrueylemler gerçekleştirmesi amacıyla birçokfarklı şekildekullanılmaktadır. Bu amaçla kullanıldıkları bir alan kimlik hırsızı websitelerinin tespit edilmesidir. Kimlik hırsızlığı, önemli kişisel bilgileriçalmak amacıyla güvenilir web sitelerini taklit eden sahte websitelerinin oluşturulduğu çevrimiçi bir saldırı biçimidir. Bu tehlikeyigerçekleşmeden önlemek amacıyla web sitelerinin farklı özellikleredayanarak kimlik hırsızı bir site olup olmadığının belirlenmesiönemlidir. Bu çalışmada, bir web sitesinin kimlik hırsızı olup olmadığınıtahmin etmek amacıyla AdaBoost, çok katmanlı algılayıcı, destek vektörmakinesi, karar ağacı, en yakın k komşu, Naïve Bayes ve rastgele ormanmakine öğrenmesi yöntemleri 9 farklı özellik içeren 1353 örnektenoluşan bir veri kümesinden yararlanarak karşılaştırılmıştır. Eğitim vesınama şeklinde ikiye bölünmüş veri kümesiyle yapılan deneylerdekarar ağaçlarından oluşturulan bir topluluk öğrenme yaklaşımı olanrastgele orman yöntemi, karşılaştırılan diğer yöntemlere göre dahabaşarılı olsa da çapraz doğrulamanın kullanıldığı durumda çokkatmanlı algılayıcı daha yüksek bir başarım elde etmiştir.