اکسپرس 24
ترجمه فارسی مقاله از یادگیری ماشین تا یادگیری خط خطی: ارزیابی استحکام مدل‌های تشخیص صفحات وب فیشینگ در برابر حملات خصمانه

ترجمه فارسی مقاله از یادگیری ماشین تا یادگیری خط خطی: ارزیابی استحکام مدل‌های تشخیص صفحات وب فیشینگ در برابر حملات خصمانه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی From ML to LLM: Evaluating the Robustness of Phishing Webpage Detection Models against Adversarial Attacks
عنوان مقاله به فارسی از یادگیری ماشین تا یادگیری خط خطی: ارزیابی استحکام مدل‌های تشخیص صفحات وب فیشینگ در برابر حملات خصمانه
نویسندگان Aditya Kulkarni, Vivek Balachandran, Dinil Mon Divakaran, Tamal Das
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
دسته بندی موضوعات Cryptography and Security,رمزنگاری و امنیت ,
توضیحات Submitted 18 September, 2024; v1 submitted 29 July, 2024; originally announced July 2024.
توضیحات به فارسی ارائه شده در 18 سپتامبر 2024 ؛V1 ارسال شده 29 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 760,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Phishing attacks attempt to deceive users into stealing sensitive information, posing a significant cybersecurity threat. Advances in machine learning (ML) and deep learning (DL) have led to the development of numerous phishing webpage detection solutions, but these models remain vulnerable to adversarial attacks. Evaluating their robustness against adversarial phishing webpages is essential. Existing tools contain datasets of pre-designed phishing webpages for a limited number of brands, and lack diversity in phishing features. To address these challenges, we develop PhishOracle, a tool that generates adversarial phishing webpages by embedding diverse phishing features into legitimate webpages. We evaluate the robustness of two existing models, Stack model and Phishpedia, in classifying PhishOracle-generated adversarial phishing webpages. Additionally, we study a commercial large language model, Gemini Pro Vision, in the context of adversarial attacks. We conduct a user study to determine whether PhishOracle-generated adversarial phishing webpages deceive users. Our findings reveal that many PhishOracle-generated phishing webpages evade current phishing webpage detection models and deceive users, but Gemini Pro Vision is robust to the attack. We also develop the PhishOracle web app, allowing users to input a legitimate URL, select relevant phishing features and generate a corresponding phishing webpage. All resources are publicly available on GitHub.

چکیده به فارسی (ترجمه ماشینی)

حملات فیشینگ تلاش می کند تا کاربران را به سرقت اطلاعات حساس فریب دهد و یک تهدید قابل توجه در سایبری را ایجاد کند.پیشرفت در یادگیری ماشین (ML) و یادگیری عمیق (DL) منجر به توسعه بسیاری از راه حل های تشخیص صفحه وب فیشینگ شده است ، اما این مدل ها در برابر حملات مخالف آسیب پذیر هستند.ارزیابی استحکام آنها در برابر صفحات وب فیشینگ مخالف ضروری است.ابزارهای موجود حاوی مجموعه داده های صفحات وب فیشینگ از پیش طراحی شده برای تعداد محدودی از مارک ها و فاقد تنوع در ویژگی های فیشینگ هستند.برای پرداختن به این چالش ها ، ما Phishoracle را توسعه می دهیم ، ابزاری که با تعبیه ویژگی های فیشینگ متنوع در صفحات وب قانونی ، صفحات وب فیشینگ مخالف را ایجاد می کند.ما استحکام دو مدل موجود ، مدل پشته و Phishpedia را در طبقه بندی صفحات وب فیشینگ مخالف Phishoracle ایجاد می کنیم.علاوه بر این ، ما یک مدل زبان بزرگ تجاری ، Gemini Pro Vision را در زمینه حملات مخالف مطالعه می کنیم.ما یک مطالعه کاربر را انجام می دهیم تا تعیین کنیم که آیا صفحات وب فیشینگ مخالف با فیشوراکلای کاربران را فریب می دهد.یافته های ما نشان می دهد که بسیاری از صفحات وب فیشینگ تولید شده توسط Phishoracle از مدل های شناسایی صفحه وب فیشینگ فعلی و کاربران فریب دهنده خودداری می کنند ، اما Gemini Pro Vision نسبت به حمله قوی است.ما همچنین برنامه وب Phishoracle را توسعه می دهیم و به کاربران این امکان را می دهیم که URL قانونی را وارد کنند ، ویژگی های مربوط به فیشینگ را انتخاب کرده و یک صفحه وب مربوط به فیشینگ ایجاد کنند.همه منابع در GitHub در دسترس عموم هستند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.