Kimlik Hırsızı Web Sitelerinin Farklı DeepLearning4J Modelleri ile Performanslarının Karşılaştırılması
Küçük Resim Yok
Tarih
2021
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Osman SAĞDIÇ
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İlk olarak 2019’da Çin’in Wuhan şehrinde görülen yeni tip koranavirüs (COVID-19 ) hastalığı nedeniyle 11 Mart 2020 tarihinde Dünya Sağlık Örgütü (DSÖ) tarafından pandemi ilan edilmiştir. Dünya genelinde hâlâ etkisi devam etmekte olan bu salgın, kısa sürede tüm dünya toplumunun gündelik yaşam aktivitelerini ve alışkanlıklarını hızlı bir şekilde değiştirerek digital ortam uygulamalarına doğru kaydırmıştır. Bu doğrultuda, artan siber saldırı atakları ve yaşanan veri ihlalleri salgın toplumu için büyük bir risk oluşturmuştur. Bu bağlamda, dijital ortam uygulamalarının güvenliği COVID-19 salgını ile çok daha önemli bir sorun haline gelmiştir. Bu sorun özellikle kimlik hırsızı web siteleri üzerinde gözlenmiştir. Web kimlik hırsızlığı, güvenilir kurumları taklit ederek kişilerin ad, soyad, şifre ve kredi kartı numaraları gibi kişisel bilgileri çalma yöntemidir. Bu, bilginin ifşa olmasına ve mali zarara neden olacaktır. Çalışmanın odağı, kimlik hırsızı web sitelerinin tanımlanması amacı ile kullanılan birkaç DeepLearning4j (DL4j) modeline dayanmaktadır. Bununla birlikte, çalışmanın temel amacı, değerlendirme metriklerinin performanslarını iyileştirmek amacı ile DeepLearning4J (DL4J) modellerinin etkinliğini verimli bir şekilde izlemektir.
Açıklama
Anahtar Kelimeler
COVID-19, DL4J, Siber Saldırı, Web, Kimlik Hırsızlığı.
Kaynak
Avrupa Bilim ve Teknoloji Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
28
