Biblioteca122.739 documentos en línea

Artículo

Deep Learning-Based Efficient Model Development for Phishing Detection Using Random Forest and BLSTM ClassifiersDesarrollo de modelo eficiente basado en aprendizaje profundo para la detección de phishing utilizando clasificadores de Random Forest y BLSTM.

Resumen

Con el aumento en el número de dispositivos electrónicos y desarrollos en el sistema de comunicación, la seguridad se convierte en uno de los problemas desafiantes. Los usuarios están interactuando entre sí a través de diferentes dispositivos heterogéneos como sensores inteligentes, actuadores y muchos otros dispositivos para procesar, monitorear y comunicar diferentes escenarios de la vida real. Tal comunicación necesita un medio seguro a través del cual los usuarios puedan comunicarse de manera segura y confiable para que su información no se pierda. El estudio propuesto es un esfuerzo hacia la detección de phishing utilizando clasificadores de random forest y BLSTM. Los resultados experimentales del estudio propuesto son prometedores en la detección de phishing, y el estudio refleja la aplicabilidad de los algoritmos propuestos en la seguridad de la información. Los resultados experimentales muestran que el modelo de detección de phishing basado en BLSTM es destacado en garantizar la seguridad de la red al generar una tasa de reconocimiento del 95.47% en comparación con el modelo convencional basado en RF que genera una t

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento