机构名称：
¥ 1.0
PhishCatcher：使用机器学习1 Mr.G的客户端防御网络欺骗攻击。Harish Kumar，2 B. Srivani，3 B. Nikhitha，4 C. Varshitha 1电子和传播工程系助理教授，Malla Reddy工程学院，妇女Maisammaguda，Dhulapally Kompally，Medchal Rd，Medchal Rd，M，Medchal Rd，M，Secunderabad，Secunderabad。2,3,4，Malla Reddy工程学院电子与传播工程系学生，MALLA REDDY工程学院，Maisammaguda，Dhulapally Kompally，Medchal Rd，M，Medchal Rd，M，Secunderabad，Telangana。摘要网络安全面临着一个巨大的挑战，即保持用户私人信息（例如密码和PIN代码）的机密性和完整性。每天将数十亿用户暴露于伪造登录页面，要求秘密信息。有很多方法可以欺骗用户访问网页，例如网络钓鱼邮件，诱人的广告，点击插错，恶意软件，SQL注入，会话劫持，中间人，拒绝服务和交叉站点脚本攻击。Web欺骗或网络钓鱼是一种电子技巧，攻击者构建合法网页的恶意副本，并请求用户的私人信息（例如密码）。为了应对此类漏洞，研究人员提出了几种安全策略，但他们面临延迟和准确性问题。为了克服此类问题，我们根据机器学习技术提出和开发客户端的防御机制，以检测欺骗的网页并保护用户免受网络钓鱼攻击。该算法采用四种不同类型的Web功能作为输入，然后随机森林分类器决定是否对登录网页进行了欺骗。作为一种概念证明，开发了一种被称为PhishCatcher的Google Chrome扩展程序，它是开发了实现我们的机器学习算法的，该算法将URL归类为可疑或值得信赖。为了评估扩展的准确性和精度，对实际Web应用程序进行了多个实验。实验结果表明，在400个分类的Pheded和400个合法URL上进行的试验的精确度很高，为98.5％，为98.5％。此外，为了测量我们的工具的潜伏期，我们进行了40多个浮网罗的实验。PhishCatcher的平均记录响应时间仅为62.5毫秒。I.介绍于2022年1月1日，法国国家数字科学与技术研究所（INRIA）的成员/用户收到了法语中的一封电子邮件，要求用户使用直接链接https：//www.educationonline确认其网络邮件帐户。nl/cliquez.ici.cas.inria.fr.cas.login/login.htm l。单击此链接时，它需要一个假，但出现了真正的中央身份验证登录页面。此
PhishCatcher：客户端防御网络欺骗...
主要关键词
相关文件推荐
