Tez No	İndirme	Tez Künye	Durumu
806389		New Machine Learning Classification Algorithm For Phishing Urls Detection / New Machine Learning Classification Algorithm For Phishing Urls Detection Yazar:ABDALRAOUF ALMAHDI MOHAMMED ALARBI Danışman: DOÇ. DR. ZAFER ALBAYRAK Yer Bilgisi: Karabük Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bianchi sınıflaması = Bianchi classification ; Etnik sınıflandırma = Ethnic classification ; Çoklu sınıflandırma = Multi classification	Onaylandı Doktora İngilizce 2023 101 s.
Çevrimiçi olarak gerçekleşen kişisel ve profesyonel faaliyetlerin miktarında bir artış oldu ve bunun doğrudan bir sonucu olarak güven ve siber suç sorunları öne çıkan akademik temalar haline geldi. Yine de makine öğreniminin, bilgisayar korsanlarının daha sofistike hale geldiği durumlarda algoritmaları güçlendirerek kimlik avcılarının oluşturduğu tehlikeyi azaltmada oynayacağı bir rol vardır. Sınıflandırma algoritmaları çok farklı teknikler kullanır ve akademisyenler, çalışmalarında doğrusal olmayan sınıflandırma, çakışma ve gürültünün etkisini azaltmak için sürekli çaba harcarlar. Bu çalışma, KNN'den türetilen Çekirdek Sınıflandırma Algoritması (CCA) olarak bilinen yeni bir algoritma ile K-means olarak bilinen denetimsiz bir öğrenme bölümleme algoritmasının hibritleştirilmesinde yer alan adımların bir özetini sunar. CCA, hala benzerlikler bulurken temsili olmayan kümelerin Çekirdeklerinden kaçınmak amacıyla geliştirilmiştir. Hibritleştirmenin bu adımı, en uygun sonuçları elde etmek için sonuçları yineleme yoluyla değiştirerek iki algoritmayı birleştirmenin faydalarını toplamak ve verileri daha yüksek doğruluk ve daha iyi hesaplama verimliliği ile iki veya daha fazla kümeye sahip etiketlere göre sınıflandırmak için tasarlanmıştır. Bu, sonuçları yineleme yoluyla değiştirerek gerçekleştirilir. Bununla birlikte, önerilen algoritmanın Enhances Core Classification Algorithm (ECCA) olarak adlandırılan ikinci versiyonu, sınıfı çok daha iyi temsil eden her bir sınıfın aktif noktalarını uygulayarak daha doğru sonuçlar üretir ve CCA'nın sınırlamalarını aşar. optimum çözüme ulaşana kadar farklı parametreler kullanarak tek bir çekirdek sınıftan daha. Algoritmanın bu sürümüne Enhances Core Classification Algorithm adı verilir.
There has been a growth in the quantity of personal and professional activity that takes place online, and as a direct consequence, problems of trust and cybercrime have become prominent academic themes. Nevertheless, machine learning has a role to play in mitigating the danger posed by phishers by boosting the algorithms in situations when hackers have grown more sophisticated. Classification algorithms use vastly different techniques, and academics have made constant efforts to lessen the impact of nonlinear classification, overlapping, and noise in their work. This work provides a summary of the steps involved in the hybridization of a new algorithm known as the Core Classify Algorithm (CCA), which was derived from KNN and an unsupervised learning partitioning algorithm known as K-means. The CCA was developed with the intention of avoiding the Cores of the clusters that aren't representative while still finding similarities. This step of hybridization is designed to harvest the benefits of combining two algorithms by changing the results through iteration to obtain the most optimal results and classifying the data according to the labels with two or more clusters with higher accuracy and better computational efficiency. This is accomplished by changing the results through iteration