机构名称：
¥ 1.0
摘要 - 网络犯罪分子获得敏感细节的最有效方法之一，例如在线银行，数字钱包，国家秘密等其他受害者的证书。他们通过向用户垃圾邮件恶意URL的垃圾邮件来做到这一点，其唯一目的是欺骗他们泄露敏感信息，后来用于各种网络犯罪。在这项研究中，我们对当前的最新机器学习和深度学习网络钓鱼检测技术进行了全面审查，以暴露其脆弱性和未来的研究方向。为了更好地分析和观察，我们将机器学习技术分解为贝叶斯，非拜访和深度学习。，我们回顾了贝叶斯和非基斯分类器的最新进展，然后利用其反应弱点以表明未来的研究方向。在利用贝叶斯和非贝斯分类器中的弱点时，我们还将每个表现与深度学习分类器进行了比较。为了对基于深度学习的分类器进行适当的审查，我们研究了复发性神经网络（RNN），卷积神经网络（CNN）和长期短期存储网络（LSTMS）。We did an empirical analysis to evaluate the performance of each classifier along with many of the proposed state-of-the-art anti-phishing techniques to identify future research directions, we also made a series of proposals on how the performance of the under-performing algorithm can improved in addition to a two-stage prediction model Index Terms —Phishing, malware attack, DDoS Attack, SVM, Naive Bayes, Munitinomial Naive Bayes
调查
主要关键词
相关文件推荐
