FEATURE SELECTION FOR EFFICIENT CLASSIFICATION OF PHISHING WEBSITE DATASET

Abstract

Internet, giderek insan hayatında önemli bir gerekli bir araç haline gelmiştir. Bununla birlikte, internet kullanıcılarının, farklı web tehditlerine karşı güvenlikleri oldukça yetersizdir. Çevrim için ticaret ve bankacılığa güvenmeleri, buradan doğabilecek web tehditlerine karşı daha riskli durumlar ortaya çıkarmaktadır. Phishing (Kimlik Avı), güvenli bir web sitesi görünümündeki bazı sitelerin, kişinin kullanıcı adı, şifre, sosyal güvenlik numarası ve kredi kartı numarası gibi gizli ve özel bilgilerini elde etmeyi amaçlayan bir yöntem olarak açıklanmaktadır. Çoğu kimlik avı saldırısını tespit etmek için genelde tek bir çözüm yolu yoktur ve çeşitli yöntemler gerekmektedir. Bu tezde, kimlik avı veri seti için özellik seçimi yöntemi ve sade bayes sınıflandırıcı tartışılmıştır. Bu çalışmada, UCI makine öğrenmesi deposundan alınan Phishing (Kimilik avı) veri seti kullanılmıştır. Bu veri seti 11055 adet kayıt ve 31 adet özellikten oluşmaktadır. Tezde, bu veri setinin özellik sayısını azaltılması ve en iyi sınıflandırma performansı elde edebilmesi hedeflenmiştir. Veri setini indirgemek için ve iyi bir sistem performansı elde etmek için özellik seçimi algoritmaları kullanılmıştır. Ayrıca, özellik seçimi algoritmalarının performansı naive bayes sınıflandırıcı kullanılarak karşılaştırılmıştır. Son olarak, indirgenmiş veri seti üzerinde diğer sınıflandırma algoritmalarının performansı karşılaştırmalı olarak verilmiştir. Elde edilen bulgular, özellik seçimi ile kimlik avı veri setinin indirgenmesi sayesinde etkili bir kimlik avı tespiti yapılabileceği sonucunu ortaya çıkarmıştır.

The Internet is gradually becoming a necessary and important tool in everyday life. However, Internet users might have poor security for different kinds of web threats, which may lead to financial loss or clients lacking trust in online trading and banking. Phishing is described as a skill of impersonating a trusted website aiming to obtain private and secret information such as a user name and password or social security and credit card number. However, there is no single solution that can prevent most phishing attacks. For phishing attacks, various methods are required. In this thesis, a feature selection method and the Navie Bayes classifier are presented for the phishing Websites dataset. In this study, phishing dataset retrieved from UCI machine learning repository is used. This dataset consists of 11055 records and 31 features. The research presented in this thesis aims at reducing the number of features of the used dataset as well as obtaining the best classification performance. Feature selection algorithms are used to reduce the dataset features and to obtain a high system performance. In addition, the performance of feature selection algorithms is compared using the Naive Bayes classifier. Finally, a comparative performance in reducing dataset features using the common classification algorithms is given. The results show that an effective phishing detection can be made with feature selection that reduces the dataset features.