Comparison of Machine Learning Techniques for Classification of Phishing Web Sites

Today, machine learning approaches are used to make computers act more accurately for various purposes. In this manner, one area in which the machine learning approaches are used is the detection of phishing web sites. Phishing is an online threat, which depends on creating a fake web site that mimics a trustworthy web site to steal important personal information. It is important to predict whether a website is a phishing website in order to avoid this danger before it happens. In this study, AdaBoost, multilayer perceptron, support vector machine, decision tree, k-nearest neighbors, Naïve Bayes and random forest machine learning techniques are compared to predict the purpose of a website. This comparison is performed by experimenting over a dataset containing 1353 instances with 9 different features. The experimental evaluation is performed in two different settings. The first setting based on splitting the data into training and test sets. In this setting the evaluation results show that the random forest algorithm, which is an ensemble learning approach based on decision trees, outperforms other compared approaches. On the other hand, in the second setting based on cross validation, multilayer perceptron shows a better performance.

Kimlik Hýrsýzý Web Sitelerinin Sýnýflandýrýlmasý için Makine Öðrenmesi Yöntemlerinin Karþýlaþtýrýlmasý

Günümüzde makine öðrenmesi yöntemleri bilgisayarlarýn daha doðru eylemler gerçekleþtirmesi amacýyla birçok farklý þekilde kullanýlmaktadýr. Bu amaçla kullanýldýklarý bir alan kimlik hýrsýzý web sitelerinin tespit edilmesidir. Kimlik hýrsýzlýðý, önemli kiþisel bilgileri çalmak amacýyla güvenilir web sitelerini taklit eden sahte web sitelerinin oluþturulduðu çevrimiçi bir saldýrý biçimidir. Bu tehlikeyi gerçekleþmeden önlemek amacýyla web sitelerinin farklý özelliklere dayanarak kimlik hýrsýzý bir site olup olmadýðýnýn belirlenmesi önemlidir. Bu çalýþmada, bir web sitesinin kimlik hýrsýzý olup olmadýðýný tahmin etmek amacýyla AdaBoost, çok katmanlý algýlayýcý, destek vektör makinesi, karar aðacý, en yakýn k komþu, Naïve Bayes ve rastgele orman makine öðrenmesi yöntemleri 9 farklý özellik içeren 1353 örnekten oluþan bir veri kümesinden yararlanarak karþýlaþtýrýlmýþtýr. Eðitim ve sýnama þeklinde ikiye bölünmüþ veri kümesiyle yapýlan deneylerde karar aðaçlarýndan oluþturulan bir topluluk öðrenme yaklaþýmý olan rastgele orman yöntemi, karþýlaþtýrýlan diðer yöntemlere göre daha baþarýlý olsa da çapraz doðrulamanýn kullanýldýðý durumda çok katmanlý algýlayýcý daha yüksek bir baþarým elde etmiþtir.