
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Gualberto, Éder Souza | - |
| Autor(es): dc.creator | Souza Júnior, Rafael Timóteo de | - |
| Autor(es): dc.creator | Vieira, Thiago Pereira de Brito | - |
| Autor(es): dc.creator | Costa, João Paulo Carvalho Lustosa da | - |
| Autor(es): dc.creator | Duque, Cláudio Gottschalg | - |
| Data de aceite: dc.date.accessioned | 2024-10-23T15:20:22Z | - |
| Data de disponibilização: dc.date.available | 2024-10-23T15:20:22Z | - |
| Data de envio: dc.date.issued | 2021-10-13 | - |
| Data de envio: dc.date.issued | 2021-10-13 | - |
| Data de envio: dc.date.issued | 2021-04-21 | - |
| Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/42130 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/ 0000-0002-2917-3605 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/ 0000-0003-1101-3029 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/ 0000-0003-0512-374X | - |
| Fonte completa do material: dc.identifier | https://orcid.org/ 0000-0002-8616-4924 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/ 0000-0003-3558-466X | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/880540 | - |
| Descrição: dc.description | Phishing is a type of fraud attempt in which the attacker, usually by e-mail, pretends to be a trusted person or entity in order to obtain sensitive information from a target. Most recent phishing detection researches have focused on obtaining highly distinctive features from the metadata and text of these e-mails. The obtained attributes are then used to feed classification algorithms in order to determine whether they are phishing or legitimate messages. In this paper, it is proposed an approach based on machine learning to detect phishing e-mail attacks. The methods that compose this approach are performed through a feature engineering process based on natural language processing, lemmatization, topics modeling, improved learning techniques for resampling and cross-validation, and hyperparameters configuration. The first proposed method uses all the features obtained from the Document-Term Matrix (DTM) in the classification algorithms. The second one uses Latent Dirichlet Allocation (LDA) as a operation to deal with the problems of the “curse of dimensionality”, the sparsity, and the text context portion included in the obtained representation. The proposed approach reached marks with an F1-measure of 99.95% success rate using the XGBoost algorithm. It outperforms state-of-the-art phishing detection researches for an accredited data set, in applications based only on the body of the e-mails, without using other e-mail features such as its header, IP information or number of links in the text. | - |
| Formato: dc.format | application/pdf | - |
| Publicador: dc.publisher | IEEE | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | This work is licensed under a Creative Commons Attribution 4.0 License. For more information, see https://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Crime por computador | - |
| Palavras-chave: dc.subject | Extração de recursos | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Processamento de linguagem natural (Computação) | - |
| Palavras-chave: dc.subject | Correio eletrônico | - |
| Título: dc.title | From feature engineering and topics models to enhanced prediction rates in phishing detection | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: