ترجمه فارسی مقاله پیشبرد شناسایی وب سایت مخرب: یک رویکرد یادگیری ماشین با استفاده از تجزیه و تحلیل ویژگی های گرانول

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 Advancing Malicious Website Identification: A Machine Learning Approach Using Granular Feature Analysis
عنوان مقاله به فارسی پیشبرد شناسایی وب سایت مخرب: یک رویکرد یادگیری ماشین با استفاده از تجزیه و تحلیل ویژگی های گرانول
نویسندگان Kinh Tran, Dusan Sovilj
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,رمزنگاری و امنیت ,
توضیحات Submitted 11 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Malicious website detection is an increasingly relevant yet intricate task that requires the consideration of a vast amount of fine details. Our objective is to create a machine learning model that is trained on as many of these finer details as time will allow us to classify a website as benign or malicious. If malicious, the model will classify the role it plays (phishing, spam, malware hosting, etc.). We proposed 77 features and created a dataset of 441,701 samples spanning 9 website classifications to train our model. We grouped the proposed features into feature subsets based on the time and resources required to compute these features and the performance changes with the inclusion of each subset to the model. We found that the performance of the best performing model increased as more feature subsets were introduced. In the end, our best performing model was able to classify websites into 1 of 9 classifications with a 95.89\% accuracy score. We then investigated how well the features we proposed ranked in importance and detail the top 10 most relevant features according to our models. 2 of our URL embedding features were found to be the most relevant by our best performing model, with content-based features representing half of the top 10 spots. The rest of the list was populated with singular features from different feature categories including: a host feature, a robots.txt feature, a lexical feature, and a passive domain name system feature.

چکیده به فارسی (ترجمه ماشینی)

تشخیص وب سایت مخرب یک کار فزاینده و در عین حال پیچیده است که نیاز به در نظر گرفتن جزئیات بسیار خوب دارد.هدف ما ایجاد یک مدل یادگیری ماشین است که در مورد بسیاری از این جزئیات دقیق تر آموزش دیده است زیرا زمان به ما امکان می دهد یک وب سایت را به عنوان خوش خیم یا مخرب طبقه بندی کنیم.در صورت مخرب ، مدل نقشی را که ایفا می کند طبقه بندی می کند (فیشینگ ، اسپم ، میزبانی بدافزار و غیره).ما 77 ویژگی را پیشنهاد کردیم و یک مجموعه داده از 441،701 نمونه که شامل 9 طبقه بندی وب سایت برای آموزش مدل ما است ، ایجاد کردیم.ما ویژگی های پیشنهادی را بر اساس زمان و منابع مورد نیاز برای محاسبه این ویژگی ها و تغییرات عملکرد با درج هر زیر مجموعه به مدل ، به زیر مجموعه های ویژگی گروه بندی کردیم.ما دریافتیم که با معرفی زیر مجموعه های ویژگی بیشتر ، عملکرد مدل بهترین عملکرد افزایش یافته است.در پایان ، بهترین مدل عملکرد ما قادر به طبقه بندی وب سایت ها به 1 از 9 طبقه بندی با نمره دقت 95.89 ٪ بود.ما سپس بررسی کردیم که چگونه ویژگی هایی که ما پیشنهاد کردیم از نظر اهمیت و جزئیات 10 ویژگی برتر مهم را با توجه به مدل های خود ارائه دادیم.2 از ویژگی های تعبیه URL ما با بهترین مدل عملکرد ما مهمترین آنها بود ، با ویژگی های مبتنی بر محتوا که نیمی از 10 نقطه برتر را نشان می دهد.بقیه لیست با ویژگی های مفرد از دسته های مختلف از جمله: یک ویژگی میزبان ، یک ویژگی Robots.txt ، یک ویژگی واژگانی و یک ویژگی سیستم نام دامنه منفعل جمع شده است.

📚 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.