URL Özelliklerine Dayalı Phishing Web Sitesi Tespiti: Klasik Makine Öğrenmesi Yaklaşımlarıyla Karşılaştırmalı Analiz
Abstract views: 0
/ 
PDF downloads: 0
Keywords:
Phishing Tespiti, Makine Öğrenmesi, URL Özellikleri, Rastgele Orman, Ensemble ModellerAbstract
Bu çalışma, URL tabanlı özellikler kullanılarak phishing (oltalama) web sitelerinin tespitinde
klasik makine öğrenmesi algoritmalarının karşılaştırmalı analizini sunmaktadır. Phishing saldırıları,
kullanıcıları sahte bağlantılar aracılığıyla kandırarak kişisel ve finansal bilgilerini ele geçirmeyi
hedefleyen yaygın siber tehditler arasında yer almaktadır. URL’lerin yapısal ve içeriksel öznitelikleri, bu
tür saldırıların tespitinde önemli göstergeler sunmaktadır. Bu doğrultuda, çalışmada Lojistik Regresyon
(LR), Destek Vektör Makineleri (SVM), Karar Ağaçları (Decision Tree), k-En Yakın Komşu (KNN) ve
Rastgele Orman (Random Forest) algoritmaları kullanılarak kapsamlı bir karşılaştırmalı analiz
gerçekleştirilmiştir. Model eğitimi ve test süreçleri, UCI Phishing Websites veri kümesi üzerinde
yürütülmüş; hiperparametre optimizasyonu ise grid search yöntemiyle yapılmıştır. Elde edilen sonuçlar,
özellikle Rastgele Orman modelinin tüm performans metriklerinde öne çıktığını ve klasik makine
öğrenmesi algoritmalarının düşük kaynak gereksinimiyle yüksek doğruluk seviyelerine ulaşabildiğini
ortaya koymuştur. Bu bulgular, kaynak kısıtlı ortamlarda phishing tespiti için klasik yöntemlerin etkili ve
uygulanabilir bir alternatif sunduğunu göstermektedir.
Downloads
References
M. A. Tamal, M. K. Islam, T. Bhuiyan ve A. Sattar, "Dataset of Suspicious Phishing URL Detection," *Future Internet*, cilt 6, makale 1308634, 2024.
M. Sánchez-Paniagua, E. Fidalgo-Fernández, A. García-Sánchez ve J. A. Galache, "Phishing URL Detection: A Real-Case Scenario Through Login URLs," *Applied Sciences*, cilt 14, no. 6081, 2024.
O. Christou, N. Pitropakis ve P. Papadopoulos, "Phishing URL Detection Through Top-Level Domain Analysis: A Descriptive Approach," *Computers & Security*, cilt 92, makale 101747, 2020.
E. Köyçiğit, M. Korkmaz, O. K. Şahingöz ve B. Diri, "Enhanced Feature Selection Using Genetic Algorithm for Machine-Learning-Based Phishing URL Detection," *Symmetry*, cilt 16, no. 248, 2024.
J. Ma, L. K. Saul, S. Savage ve G. M. Voelker, "Beyond Blacklists: Learning to Detect Malicious Web Sites from Suspicious URLs," *Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)*, 2009, ss. 1245–1254.
S. R. Abdul Samad, S. Balasubaramanian ve S. Palanisamy, "Analysis of the Performance Impact of Fine-Tuned Machine Learning Model for Phishing URL Detection," *IEEE Access*, cilt 11, ss. 15432–15445, 2023.
Y. Mourtaji, M. Bouhorma, D. Alghazzawi, S. Alajlan ve A. Elkahky, "Hybrid Rule‐Based Solution for Phishing URL Detection Using Convolutional Neural Network," *Wireless Communications and Mobile Computing*, cilt 2021, makale ID 6694321, 2021.
S. Remya, M. Pillai ve K. Nair, "An Effective Detection Approach for Phishing URL Using ResMLP," *Electronics*, cilt 10, makale 1492, 2024.
R. M. Mohammad, F. Thabtah ve L. McCluskey, *Phishing Websites Features*, University of Huddersfield & Canadian University of Dubai, 2014. (Unpublished manuscript)
PhishTank, "PhishTank," [Çevrimiçi]. Erişim: https://www.phishtank.com [Erişim Tarihi: Haziran 2025].
Alexa Internet, "Alexa Top Sites," [Çevrimiçi]. Erişim: https://www.alexa.com/topsites [Erişim Tarihi: Haziran 2025].
