پیش بینی وب سایت های فیشینگ بر اساس شبکه عصبی چند لایه پرسپرتون و الگوریتم بهینه سازی ذرات

امروزه گسترش و فراگیر شدن اینترنت باعث شده است که بسیاری از شرکت ها و موسسات مالی خدمات خود را به صورت آنلاین به کاربران ارایه نمایند. سادگی و سهولت خدمات فروش آنلاین به کاربران باعث شده است که وب وسایت های زیادی خدمات آنلاین را به مشتریان ارایه دهند. سرقت های اینترنتی با حملات فیشینگ یکی از چالش های اصلی خدمات آنلاین به شمار می رود که می تواند تجارات آنلاین را تهدید نماید. در سرقت های اینترنتی یک هکر با ساخت یک وب سایت جعلی که شبیه وب سایت اصلی است کاربران را به سمت آن هدایت می نماید و با روش های مهندسی اجتماعی سعی می کند آن ها را به سمت وب سایت جعلی سوق دهد سپس از اعتماد کاربران سوءاستفاده نموده و اطلاعات با ارزش نظیر حساب های بانکی و مالی آن ها را سرقت نماید سرقت های اینترنتی دارای مجموعه ای از الگوهای پنهان می باشد که کشف آن ها توسط روش های نظیر داده کاوی و تکنیک های آن باعث شناسایی اینگونه از حملات می شود. در این مقاله یک روش جدید مبتنی بر الگوریتم بهینه سازی ذرات و شبکه عصبی مصنوعی چند لایه به عنوان تکنیک داده کاوی برای تشخیص سرقت های اینترنتی ارایه شده است. نتایج پیاده سازی ما در محیط برنامه نویسی مناسب با استفاده از مجموعه داده مرتبط با حملات فیشینگ نشان می دهد که روش پیشنهادی با دقت 94.73%، حساسیت 94.20%، تشخیص 83.44% و صحت 93.46% حملات فیشینگ را شناسایی نماید و نسبت به روش های مانند ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیم گیری حساسیت بیشتری دارد.