Stacking-Based Model for Phishing Website Detection System

Kimlik avı saldırıları siber güvenlikte önemli bir tehdit oluşturmaktadır ve bu nedenle tespiti dijital ortamların güvenliğini sağlamak için kritik öneme sahiptir. Makine öğrenimi yöntemlerinin kimlik avı web sitelerini tespit etmek için etkili bir yaklaşım olduğu kanıtlanmıştır. Bu çalışmada, otomatik makine öğrenimi kütüphaneleri arasında güçlü bir araç olan PyCaret kütüphanesi kullanılarak çeşitli makine öğrenimi algoritmaları hızlı ve verimli bir şekilde uygulanmıştır. Birincil amaç, PyCaret kullanarak kimlik avı web sitelerini tespit etmek için yüksek performanslı makine öğrenimi modelleri geliştirmektir. Bu amaçla PhiUSIIL veri seti kullanılmıştır. PyCaret kütüphanesi kullanılarak veri seti üzerinde birden fazla makine öğrenimi algoritması analiz edilmiş, en iyi performans gösteren algoritmalar belirlenmiş ve hiperparametre ayarı yoluyla daha da optimize edilmiştir. Ayrıca, yığınlama yöntemi kullanılarak bir topluluk modeli oluşturulmuş ve performans iyileştirilmiştir. Analiz, Lojistik Regresyon algoritmasının %99,98, K-En Yakın Komşular algoritmasının %99,74 ve Naive Bayes algoritmasının %99,24 doğruluk elde ettiğini ortaya koymuştur. Daha sonra bu 3 model kullanılarak stacking yöntemi ile oluşturulan yeni bir model ile doğruluk oranı %99,99'a çıkarılarak çalışmanın phishing sitelerini tespit etmedeki etkinliği ortaya konuldu.