IPDM: An Intelligent Phishing Detection Model for E-Commerce Websites

Dieses Kapitel vertieft das kritische Thema der Phishing-Angriffe auf E-Commerce-Websites und konzentriert sich auf den Einsatz von Modellen des maschinellen Lernens, um diese Bedrohungen zu erkennen und zu verhindern. Die Autoren vergleichen die Wirksamkeit verschiedener Klassifikatoren, darunter K-Nearest Neighbors (KNN), Artificial Neural Networks (ANN), Recurrent Neural Networks (RNN) und Convolutional Neuronal Networks (CNN), bei der Identifizierung von Phishing-URLs. Die Studie unterstreicht die überlegene Leistung der CNN-Modelle und erreicht eine beeindruckende Genauigkeit von 99,80%. Die Forschung befasst sich auch mit den Herausforderungen des Datenungleichgewichts und des Feature Engineering, wobei Techniken wie SMOTE und SHAP-Werte eingesetzt werden, um die Genauigkeit und Interpretierbarkeit des Modells zu verbessern. Die Autoren diskutieren die praktischen Anwendungen dieser Modelle, einschließlich der Echtzeit-Implementierung als Browsererweiterungen oder E-Mail-Scanner. Das Kapitel schließt mit einer Diskussion über zukünftige Verbesserungen wie adaptives Lernen und die Erkennung visueller Phishing-Attacken, um die Erkennung sich entwickelnder Phishing-Techniken kontinuierlich zu verbessern.