WEKA Ortamını Kullanarak Derin Öğrenme ile Kimlik Hırsızı Web Sitelerinin Tahmini

Abstract

30 Aralık 2019’da, Çin’in Wuhan şehrinde görülen COVID-19 (Coranavirus) hastalığı, dünya çapında yayılarak küresel bir salgına yol açmıştır. Bu salgın, çok hızlı ve çok kolay bulaşabildiği için hükümetlerin almak zorunda kaldığı birtakım önlemler ve gönüllü karantina uygulamaları, kısa bir süre içerisinde dünya topluluklarının alışkanlıklarını önemli ölçüde değiştirmiştir. Bu değişim özellikle, uzaktan çalışma, uzaktan eğitim ve uzaktan alışveriş (e-ticaret) gibi uzaktaki etkinlikleri artırdı. Bu nedenle insanlar günlük ihtiyaçlarını karşılamak adına kullandıkları fiziksel platformları, hızlıca dijital platformlara taşıma gereksinimi duydular. Bu durumda beraberinde, dijital platformların hedef alındığı web kimlik hırsızlığı çevrimiçi siber saldırı türlerinde ciddi bir artış meydana getirmiştir. Kimlik avındaki artış ve kimlik hırzısı web sitelerinin artan hacmi, dünyadaki bilgilerin ve kuruluşların çeşitli siber saldırılara daha fazla maruz kalmasıyla sonuçlandı. Bu nedenle, 2019'daki COVID-19 salgınından sonra kimlik hırsızı web sitelerinin analizini tespit etmek, her zamankinden daha önemli hale geldi. Bu çalışmada web kimlik hırsızlığı analiz edilmekte ve Bilgi Analizi için Waikato Ortamı (Waikato Environment for Knowledge Analysis - WEKA) grafik kullanıcı arayüzünden (GUI) yararlanarak RF, SVM, MLP, k-NN ve DL’den oluşan beş popüler yöntem arasındaki sınıflandırma performansları karşılaştırılmaktadır. Eğitim ve test olarak ikiye ayrılan veri seti ile yapılan deneylerde RF ve DL yöntemleri diğer yöntemlere göre daha başarılı iken, k-NN, çapraz doğrulama kullanıldığında daha iyi performans elde etmiştir. Bunun olası nedeni, derin öğrnemeye yönelik basit bir yaklaşımdır. Bu çalışmanın, kimlik hırzısı web sitelerinin sınıflandırması için WEKA derin öğrenmeyi araştırmada rehberlik sağlayacağını umuyoruz.