|
การจำแนกประเภทยูอาร์แอลฟิชชิงโดยใช้การเรียนรู้ของเครื่องร่วมกับการปรับแต่งไฮเปอร์พารามิเตอร์ด้วยการค้นหาแบบกริด |
|---|---|
| รหัสดีโอไอ | |
| Creator | นิติเศรษฐ์ หมวดทองอ่อน |
| Title | การจำแนกประเภทยูอาร์แอลฟิชชิงโดยใช้การเรียนรู้ของเครื่องร่วมกับการปรับแต่งไฮเปอร์พารามิเตอร์ด้วยการค้นหาแบบกริด |
| Contributor | ตรียภรณ์ กองอ้น |
| Publisher | มหาวิทยาลัยแม่โจ้ |
| Publication Year | 2569 |
| Journal Title | วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม |
| Journal Vol. | 12 |
| Journal No. | 2 |
| Page no. | 161-181 |
| Keyword | การเรียนรู้ของเครื่อง, ยูอาร์แอลฟิชชิง, ซัพพอร์ตเวกเตอร์แมชชีน, ไฮเปอร์พารามิเตอร์, การค้นหาแบบกริด |
| URL Website | https://mitij.mju.ac.th/ |
| Website title | วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม |
| ISSN | ISSN 3027-7280 (Online) |
| Abstract | การใช้งานอินเทอร์เน็ตที่เพิ่มขึ้นอย่างต่อเนื่องก่อให้เกิดรูปแบบใหม่ของการขโมยข้อมูล ซึ่งถือเป็นรูปแบบของอาชญากรรมทางไซเบอร์ การโจมตีแบบฟิชชิงเป็นวิธีการหนึ่งที่มุ่งหลอกลวงผู้ใช้งานให้เปิดเผยข้อมูลส่วนบุคคลต่าง ๆ โดยการฟิชชิงผ่านยูอาร์แอลเป็นรูปแบบการโจมตีที่พบได้มากที่สุด งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอแนวทางในการตรวจจับเว็บไซต์ฟิชชิง โดยพัฒนาแบบจำลองการเรียนรู้ของเครื่องสำหรับการจำแนกยูอาร์แอลฟิชชิงร่วมกับการปรับค่าไฮเปอร์พารามิเตอร์ด้วยวิธีการค้นหาแบบกริดผ่านอัลกอริทึม 5 วิธีการ เพื่อให้ได้มาซึ่งแบบจำลองที่ให้ผลการจำแนกเว็บไซต์ฟิชชิงดีที่สุด ได้แก่ โครงข่ายประสาทเทียม การถดถอยโลจิสติก นาอีฟเบส์ ซัพพอร์ตเวกเตอร์แมชชีนที่ใช้อัลกอริทึม SMO และต้นไม้ตัดสินใจ โปรแกรม Weka ถูกใช้เป็นเครื่องมือในการจำลองและทดสอบ โดยทำการวัดประสิทธิภาพด้วยวิธีการตรวจสอบไขว้แบบ 5 ส่วน จากผลงานวิจัยพบว่า แบบจำลองซัพพอร์ตเวกเตอร์แมชชีนที่ใช้อัลกอริทึม SMO ให้ผลลัพธ์ดีที่สุด โดยมีค่าความถูกต้องเท่ากับ 95.55% ค่าความแม่นยำเท่ากับ 95.60% ค่าความระลึกเท่ากับ 95.60% และค่าความถ่วงดุลเท่ากับ 95.50% ผลงานวิจัยแสดงให้เห็นว่าแบบจำลองที่พัฒนาขึ้นสามารถจำแนกยูอาร์แอลฟิชชิงได้อย่างแม่นยำ สามารถใช้เป็นต้นแบบสำคัญสำหรับการพัฒนาระบบตรวจจับฟิชชิงแบบอัตโนมัติในอนาคตได้อย่างมีประสิทธิภาพ |
