تشخیص فیشینگ در مراحل اولیه در شبکه تراکنش اتریوم
| عنوان فارسی پروپوزال | تشخیص فیشینگ در مراحل اولیه در شبکه تراکنش اتریوم |
|---|---|
| عنوان انگلیسی پروپوزال | A deep learning-based model using hybrid feature extraction approach for consumer sentiment analysis
|
| سال نگارش | 2023 |
| رشته | مدیریت، مهندسی کامپیوتر، MBA |
| قالب فایل | |
| لینک مقاله بیس | https://link.springer.com/article/10.1007/s00500-022-07661-0 |
بیان مساله
امروزه، ارز دیجیتال توسط بسیاری از افراد مورد پذیرش قرار گرفته است و به طور گسترده ای مورد استفاده قرار می گیرد. به همین ترتیب، فعالیت های غیرقانونی ، به ویژه کلاهبرداری های فیشینگ نیز رشد داشته است که ضررهای زیادی را هم برای مشتریان و هم برای اقتصاد کشور به همراه دارد.
به منظور پیشگیری از وقوع جرم، هشدار زودهنگام این گونه رفتارهای غیرقانونی از اهمیت بالایی برخوردار است. بیشتر مطالعات موجود بر روی کشف کلاهبرداری های فیشینگ که قبلاً اتفاق افتاده است، تمرکز دارند. اما در این مقاله، یک چارچوب تشخیص فیشینگ در مراحل اولیه به منظور تشخیص زودهنگام فیشینگ پیشنهاد می‌کنیم.
با توجه به میزان فیشینگ، ابتدا فرآیند کلاهبرداری های فیشینگ را به سه مرحله اولیه، مرحله میانی و مرحله آخر تقسیم می کنیم و از یک روش استخراج ویژگی برای شناسایی فیشینگ استفاده می کنیم. ما ده ویژگی مهم را انتخاب کرده و تفاوت‌های بین کاربران فیشینگ و کاربران عادی را در این ویژگی‌ها تجزیه و تحلیل می‌کنیم، تا از قبل کلاهبرداری‌های فیشینگ را شناسایی کنند.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.