دسته‌ها
فناوری اطلاعات - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله رویکردی نوین برای محافظت در برابر حملات فیشینگ در جانب مشتری با استفاده از لیست سفید بروزرسانی شده به صورت خودکار

عنوان مقاله انگلیسی رایگان A novel approach to protect against phishing attacks at client side using auto-updated white-list
عنوان فارسی ترجمه مقاله رویکردی نوین برای محافظت در برابر حملات فیشینگ در جانب مشتری با استفاده از لیست سفید بروزرسانی شده به صورت خودکار

 دسته : فناوری اطلاعات

ترجمه مقاله رویکردی نوین برای محافظت در برابر حملات فیشینگ در جانب مشتری با استفاده از لیست سفید بروزرسانی شده به صورت خودکار




:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله رویکردی نوین برای محافظت در برابر حملات فیشینگ در جانب مشتری با استفاده از لیست سفید بروزرسانی شده به صورت خودکار

 

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:

مقاله درباره امنیت سایبری

فیشینگ

لیست سیاه
لیست سفید
مقاله درباره مهندسی اجتماعی
مقاله درباره مسمومیت DNS
هایپرلینک ها
Cyber security
Phishing
Black-list
White-list
Social engineering
DNS poisoning
Hyperlinks

 

چکیده

اغلب راه حل های ضد-فیشینگ دارای دو محدویت اصلی هستن؛ محدودیت اول، نیاز به زمان دسترسی سریع برای یک محیط زمان-واقعی است و محدودیت دوم، نیاز به نرخ (سرعت) تشخیص بالا است.

راه حل های مبتنی بر فهرست سیاه دارای زمان دسترسی سریع هستند اما سرعت تشخیص پایینی دارند در حالی که سایر راه حل ها مانند شباهت بصری و یادگیری ماشین، از زمان دسترسی سریع رنج می برند.

در این مقاله، ما رویکرد جدیدی را برای محافظت در برابر حملات فیشینگ با استفاده از لیست سفید به طور خودکار بروزرسانی شده سایت های قانونی قابل دسترسی توسط کاربر انفرادی ارائه می دهیم. رویکرد ارائه شده ما دارای هر دوی زمان دسترسی سریع و سرعت تشخیص بالا است. هنگامی که کاربران سعی در باز کردن وبسایتی دارند که در فهرست سفید، قابل دسترس نیست، مرورگر به کاربران هشدار می دهد که اطلاعات حساس خود را افشا نکنند.

بنابراین، رویکرد ما، مشروعیت یک صفحه وب را با استفاده از ویژگی‌های هایپرلینک بررسی می کند. برای این منظور، هایپرلینک های از کد منبع یک صفحه وب استخراج می شوند و در الگوریتم ارائه شده تشخیص فیشینگ اعمال می شوند.

نتایج تجربی ما نشان می دهند که رویکرد ارائه شده، برای محافظت در برابر حملات فیشینگ بسیار موثر است همانطور که آن دارای 86.02 درصد نرخ مثبت درست و در عین حال کمتر از 1.48 درصد نرخ منفی غلط است. علاوه بر این، سیستم ارائه شده ما، برای تشخیص سایر انواع مختلف حملات فیشینگ، کارامد است.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

3 × 4 =