Intelligent phishing detection system for e-banking using fuzzy data mining

چکیده 
کلیدواژه‌ها
1- مـقدمـه
2- مروری بر مقالات و تحقیقات مرتبط
1-2: مروری بر مقالات
2-2: مشخصات اصلی وب‌سایت‌های فیشینگ بانکداری الکترونیک
جدول 1 – مؤلفه‌ها و لایه‌های معیارهای تشخیص وب‌سایت فیشینگ بانکداری الکترونیکی 
3-2: چرا استفاده از منطق فازی و داده‌کاوی؟
3- روش داده‌کاوی فازی پیشنهاد شده
1-3: الگوریتم‌ها و تکنیک‌های داده‌کاوی فازی
1-1-3: فازی سازی
2-1-3: ایجاد قاعده با استفاده از الگوریتم‌های طبقه‌بندی
3-1-3: گردآوری خروجی‌های قواعد
4-1-3: غیر فازی سازی
2-3: مجموعه داده‌ها و نتایج تجربی
3-3: چالش‌های داده‌کاوی وب‌سایت‌های فیشینگ بانکداری الکترونیکی  
4-3: بهره‌گیری از الگوریتم‌های مختلف طبقه‌بندی داده کاوی
جدول 2 – نتایج به دست آمده از طبقه‌بندی کننده‌ی WEKA با استفاده از چهار روش به کار رفته بر روی آرشیو وب‌سایت برای طبقه‌بندی فیشینگ 
جدول 3 – نتایج حاصل از طبقه‌بندی‌کننده‌ی CBA با استفاده از داده‌کاوی قاعده‌ی وابستگی اعمال شده بر روی آرشیو وب‌سایت برای طبقه‌بندی فیشینگ
4- طراحی سیستم
جدول 4 – نمونه‌ای از ساختار مبنای قاعده‌ی 1 و ورودی‌های معیار هویت دامنه و URL
1-4: قواعد استنتاج کلی داده‌کاوی فازی
1-1-4: قاعده‌ی base1 برای لایه‌ی 1
جدول 5 – ساختار مبنای قاعده‌ی 2 و ورودی‌های لایه‌ی 2
2-1-4: مبنای قاعده‌ برای لایه‌ی 2
3-1-4: مبنای قاعده برای لایه‌ی 3
جدول 6 – ساختار مبنای قاعده‌ی 3 و ورودی‌های لایه‌ی 3
جدول 7 – ساختار مبنای قاعده‌ی نرخ وب‌سایت فیشینگ بانکداری الکترونیکی و ورودی‌های نرخ فیشینگ نهایی
4-1-4: مبنای قاعده برای نرخ نهایی وب‌سایت فیشینگ بانکداری الکترونیکی 
5- آزمایش‌ها و نتایج
جدول 8 – پنج مؤلفه دارای بالاترین نرخ (10) و بقیه دارای نرخ صفر هستند.
جدول 9 – پنج ورودی متوسط (5) برای لایه‌ی 1 و لایه‌ی 2 و ورودی‌های دارای بالاترین رتبه (10) برای لایه‌ی 3
جدول 10 – پنج ورودی متوسط (5) برای لایه‌ی 1 و تمامی ورودی‌های دیگر دارای رتبه‌بندی صفر هستند.
6- نتیجه‌گیری و تحقیقات آتی