DOI: https://doi.org/10.3389/fcomp.2025.1687867
تاريخ النشر: 2026-01-21
المؤلف: Raed Alazaidah وآخرون
الموضوع الرئيسي: كشف البريد المزعج والاحتيال
نظرة عامة
تتناول ورقة البحث هذه القضية المتزايدة للاحتيال الإلكتروني، وهو شكل من أشكال الجرائم الإلكترونية التي تستغل المعلومات الحساسة للمستخدمين من خلال الهندسة الاجتماعية. تحتوي الدراسة على هدفين رئيسيين: تحديد أفضل مصنف للكشف عن الاحتيال الإلكتروني من بين 40 مصنفًا عبر ست استراتيجيات تعلم، وتقييم أفضل طريقة لاختيار الميزات لمجموعات بيانات الاحتيال الإلكتروني. من خلال تحليل ثلاث مجموعات بيانات متميزة للاحتيال الإلكتروني وتطبيق ثمانية مقاييس تقييم، تشير النتائج إلى أن مصنفي الغابة العشوائية والشجرة العشوائية قد تفوقا على الطرق الأخرى في الكشف عن مواقع الويب الاحتيالية. بالإضافة إلى ذلك، أظهرت طرق اختيار الميزات GainRatioAttributeEval وInfoGainAttributeEval أداءً متفوقًا مقارنة بخمسة بدائل أخرى.
في الختام، تؤكد الدراسة على أهمية تطوير نماذج تعلم آلي قوية للكشف عن الاحتيال الإلكتروني، مع تسليط الضوء على فعالية نهج التجميع الذي يجمع بين مصنفي الغابة العشوائية والشجرة العشوائية وIBK. كما تحدد البحث InfoGainAttributeEval وGainRatioAttributeEval كطرق موثوقة لاختيار الميزات. يقترح المؤلفون أن تستكشف الأبحاث المستقبلية تقنيات تصنيف إضافية ومقاييس لتعزيز دقة الكشف وتحسين تحديد الأنشطة غير القانونية عبر الإنترنت.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على زيادة تعرض المستخدمين للهجمات الإلكترونية، وخاصة الاحتيال الإلكتروني، بسبب انتشار الخدمات عبر الإنترنت. غالبًا ما تستخدم مخططات الاحتيال الإلكتروني مواقع ويب ووسائل تواصل خادعة لاستخراج المعلومات الحساسة، مع زيادة ملحوظة في الحوادث المبلغ عنها، خاصة خلال جائحة COVID-19. تؤكد الدراسة على ضرورة وجود طرق فعالة للكشف، سواء من خلال وعي المستخدم أو برامج مكافحة الاحتيال المتقدمة، التي تتضمن بشكل متزايد تقنيات تعلم الآلة (ML).
تهدف الورقة إلى تعزيز مكافحة الاحتيال الإلكتروني من خلال تقييم أكثر من 40 نموذج تصنيف عبر ست استراتيجيات تعلم لتحديد أكثر الطرق فعالية في التنبؤ بمواقع الويب الاحتيالية. تشمل معايير التقييم الدقة والدقة والاسترجاع ومقياس F1، من بين أمور أخرى. بالإضافة إلى ذلك، تسعى الدراسة إلى تحديد تقنيات اختيار الميزات المثلى لتحسين قدرات التنبؤ. ستستعرض الأقسام التالية من الورقة الأدبيات الموجودة، وتحدد المنهجية، وتقدم النتائج، وتناقش الاتجاهات المستقبلية في مكافحة تهديدات الاحتيال الإلكتروني.
طرق
تشمل منهجية البحث الموضحة في هذه الورقة نهجًا منهجيًا لتحليل مجموعات بيانات مواقع الويب الاحتيالية، كما هو موضح في الشكل 1. تبدأ العملية بجمع مجموعات البيانات، تليها التنظيف والمعالجة المسبقة. بعد ذلك، يتم تطبيق تقنيات اختيار الميزات المختلفة على مجموعات البيانات المعالجة مسبقًا، مما يؤدي إلى تدريب 40 نموذج تصنيف بناءً على الميزات المختارة. ثم يتم تقييم هذه المصنفات باستخدام مقاييس متعددة راسخة، بما في ذلك الدقة والدقة والاسترجاع ومقياس F، ومعامل ارتباط ماثيو (MCC)، ومنطقة ROC، ومنطقة PRC. تشمل المصنفات عدة استراتيجيات تعلم، بما في ذلك الأشجار، وبايز، والدوال، والكسول، والميتا، والمختلط، مع استخدام برنامج WEKA لتنفيذ النموذج تحت الإعدادات الافتراضية.
تستخدم عملية التقييم التحقق المتقاطع 10-fold للتحقق من النتائج، مما يضمن قوة النتائج. تناقش الورقة أيضًا أداء ثلاث مجموعات بيانات احتيالية وتحدد أفضل طرق اختيار الميزات والمصنفات. يتم تقديم المعادلات الرئيسية لحساب مقاييس الأداء، مع التأكيد على أهمية الدقة والاسترجاع ومقياس F في تقييم فعالية النموذج. تهدف المنهجية إلى تحديد نموذج التصنيف الأمثل للكشف عن الاحتيال الإلكتروني، مما يساهم في تقديم رؤى قيمة حول فعالية استراتيجيات تعلم الآلة المختلفة في هذا المجال.
مناقشة
في قسم المناقشة من الورقة، يستعرض المؤلفون دراسات مختلفة استخدمت تقنيات تعلم الآلة (ML) للكشف عن الاحتيال الإلكتروني. تشمل النتائج البارزة نموذج زابيهميافان ودوران (2019)، الذي حقق دقة تبلغ حوالي 88% باستخدام اختيار ميزات مجموعة فوضوية، بينما أفاد كوي (2019) بمعدل تصنيف يتجاوز 95% من خلال تحليل خصائص URL عبر محركات بحث متعددة. أبرز غاندوترا وغوبتا (2021) فعالية مصنفات الغابة العشوائية، التي تفوقت باستمرار على الطرق الأخرى، بما في ذلك أشجار تعزيز التدرج (GBT) وآلات الدعم الناقل (SVM)، من حيث الدقة. بالإضافة إلى ذلك، أظهر أبوطاحه وآخرون (2021) دقة ملحوظة تبلغ 99.89% باستخدام ميزات لغوية لتحليل URL، مما يبرز المزيد من إمكانيات اختيار الميزات في تعزيز قدرات الكشف.
كما يناقش المؤلفون أهمية طرق اختيار الميزات، مشيرين إلى أن تقنيات مثل تقييم ميزات المعلومات المكتسبة (IGAE) وتقييم ميزات نسبة المكتسب (GRAE) فعالة بشكل خاص في تحسين أداء النموذج. تؤكد الأبحاث على أهمية استخدام مجموعات بيانات متنوعة واستراتيجيات تصنيف لتحسين أنظمة الكشف عن الاحتيال الإلكتروني. تشير الخاتمة إلى أن نهج التجميع الذي يجمع بين مصنفي الغابة العشوائية والشجرة العشوائية وIBK قد يحقق أفضل النتائج، بينما يجب أن تستكشف الأبحاث المستقبلية نماذج تصنيف إضافية ومقاييس لتعزيز دقة الكشف بشكل أكبر. بشكل عام، تشير النتائج إلى أنه على الرغم من التقدم الكبير الذي تم إحرازه في الكشف عن الاحتيال الإلكتروني القائم على تعلم الآلة، فإن التحسين المستمر واستكشاف منهجيات جديدة لا يزال أمرًا حيويًا لمواجهة تكتيكات الاحتيال المتطورة.
DOI: https://doi.org/10.3389/fcomp.2025.1687867
Publication Date: 2026-01-21
Author(s): Raed Alazaidah et al.
Primary Topic: Spam and Phishing Detection
Overview
The research paper addresses the growing issue of phishing, a form of cybercrime that exploits users’ sensitive information through social engineering. The study has two primary objectives: to identify the most effective classifier for phishing detection among 40 classifiers across six learning strategies, and to evaluate the best feature selection method for phishing datasets. Through the analysis of three distinct phishing datasets and the application of eight evaluation metrics, the findings indicate that the Random Forest and Random Tree classifiers outperformed other methods in detecting phishing websites. Additionally, the feature selection methods GainRatioAttributeEval and InfoGainAttributeEval demonstrated superior performance compared to five other alternatives.
In conclusion, the study emphasizes the importance of developing robust machine learning models for phishing detection, highlighting the effectiveness of an ensemble approach that combines Random Forest, Random Tree, and IBK classifiers. The research also identifies InfoGainAttributeEval and GainRatioAttributeEval as reliable feature selection methods. The authors suggest that future research should explore additional classification techniques and metrics to further enhance detection accuracy and improve the identification of illicit online activities.
Introduction
The introduction of this research paper highlights the increasing vulnerability of users to cyberattacks, particularly phishing, due to the proliferation of online services. Phishing schemes often utilize deceptive websites and communications to extract sensitive information, with a notable rise in reported incidents, particularly during the COVID-19 pandemic. The study emphasizes the necessity for effective detection methods, either through user awareness or advanced anti-phishing software, which increasingly incorporates machine learning (ML) techniques.
The paper aims to enhance the fight against phishing by evaluating over 40 classification models across six learning strategies to determine the most effective methods for predicting fraudulent websites. The evaluation criteria include accuracy, precision, recall, and F1-measure, among others. Additionally, the study seeks to identify optimal feature selection techniques to improve prediction capabilities. The subsequent sections of the paper will review existing literature, outline the methodology, present results, and discuss future directions in combating phishing threats.
Methods
The research methodology outlined in this paper involves a systematic approach to analyzing phishing website datasets, as illustrated in Figure 1. The process begins with the collection of datasets, followed by cleaning and preprocessing. Subsequently, various feature selection techniques are applied to the preprocessed datasets, leading to the training of 40 classification models based on the selected features. These classifiers are then evaluated using multiple well-established metrics, including accuracy, precision, recall, F-measure, Matthews correlation coefficient (MCC), ROC Area, and PRC Area. The classifiers span several learning strategies, including Trees, Bayes, Functions, Lazy, Meta, and Misc, with the WEKA software utilized for model implementation under default settings.
The evaluation process employs 10-fold cross-validation to validate outcomes, ensuring robustness in the results. The paper further discusses the performance of three phishing datasets and identifies the most effective feature selection methods and classifiers. Key equations for calculating the performance metrics are provided, emphasizing the importance of precision, recall, and F-measure in assessing model efficacy. The methodology aims to determine the optimal classification model for phishing detection, contributing valuable insights into the effectiveness of various machine learning strategies in this domain.
Discussion
In the discussion section of the paper, the authors review various studies that have employed machine learning (ML) techniques for phishing detection. Notable findings include Zabihimayvan and Doran’s (2019) model, which achieved an accuracy of approximately 88% using fuzzy rough set feature selection, while Cui (2019) reported a classification rate exceeding 95% by analyzing URL characteristics across multiple search engines. Gandotra and Gupta (2021) highlighted the effectiveness of random forest classifiers, which consistently outperformed other methods, including gradient boosting trees (GBT) and support vector machines (SVM), in terms of accuracy. Additionally, Abutaha et al. (2021) demonstrated a remarkable accuracy of 99.89% using lexical features for URL analysis, further emphasizing the potential of feature selection in enhancing detection capabilities.
The authors also discuss the significance of feature selection methods, noting that techniques such as Information Gain Attribute Evaluation (IGAE) and Gain Ratio Attribute Evaluation (GRAE) are particularly effective in improving model performance. The research underscores the importance of utilizing diverse datasets and classification strategies to refine phishing detection systems. The conclusion suggests that an ensemble approach combining Random Forest, Random Tree, and IBK classifiers may yield the best results, while future research should explore additional classification models and metrics to enhance detection accuracy further. Overall, the findings indicate that while substantial progress has been made in ML-based phishing detection, ongoing optimization and exploration of new methodologies remain crucial for addressing evolving phishing tactics.