Kaytan, Mustafa2017-03-132017-03-132016Kaytan, M. (2016). Web tabanlı oltalama saldırılarının makine öğrenmesi yöntemleri ile tespiti. İnönü Üniversitesi Fen Bilimleri Enstitüsü. 1-100 ss.https://hdl.handle.net/11616/6346Bu tez çalışmasında öncelikle bilgi güvenliğine yönelik tehditler açıklanmış; bu tehditlere karşı savunma yöntemleri ve öneriler sunulmuştur. Oltalama web sitelerinin tespit edilmesine yönelik olarak iki uygulama gerçekleştirilmiştir. Birinci uygulamada Yapay Sinir Ağı modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulama ile oluşturulan ağlara 5-li çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %90,61, en yüksek sınıflandırma doğruluğu ise %92,45 olarak ölçülmüştür. İkinci uygulamada ise Aşırı Öğrenme Makinesi modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulamada 10-lu çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %95,05, en yüksek sınıflandırma doğruluğu ise %95,93 olarak ölçülmüştür.In this thesis, firstly the threats on information security are described; methods of defense against these threats, and recommendations are presented. Two applications in order to identify the phishing website were performed. In the first application, classification application has been performed for the detection of phishing website by Artificial Neural Network model. 5-fold cross-validation test has been applied to the created networks with the first application. The average classification accuracy was achieved as 90.61%, and the highest classification accuracy was achieved as 92.45%. In the second application, classification application has been performed for the detection of phishing website by Extreme Learning Machine model. In the second application, 10-fold cross-validation test has been applied. The average classification accuracy was achieved as 95.05%, and the highest classification accuracy was achieved as 95.93%.trinfo:eu-repo/semantics/openAccessMaster Thesis1100