Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 35
 İndirme 9
ENHANCED RECURRENT CONVOLUTIONAL NEURAL NETWORKS BASED EMAIL PHISHING DETECTION
2021
Dergi:  
İlköğretim Online
Yazar:  
Özet:

Email communication has now become a necessary conversation medium in our daily life. Particularly for the finance sector, communication by email represents a primary role in their businesses. So, it is necessary to classify emails based on their performance. Email phishing is one of the most serious Internet phenomena that make various difficulties to business class essentially to the finance sector. Furthermore, phishing emails are increasing at a dangerous rate in recent days. Hence, more environmentally friendly technology for phishing detection is required to manage the risk of phishing emails. This paper proposes an intelligent system for identifying phishing emails using enhanced recurrent convolutional neural networks (ERCNN). The system performs as new ability to have a web browser as an extension that notifies the user mechanically during detection of phishing emails. The whole system is based on a deep learning approach, in particular supervisory mastery. We chose the Convolutional Neural Network (CNN) due to its excellent overall performance in this category. Our conscience is looking for a higher overall performance classifier by analyzing phishing emails' potential and selecting aenhancedmixture of them to train the classifier. The results shows that proposed work get98.8% accuracy and a total of 26 features.

Anahtar Kelimeler:

0
2021
Yazar:  
Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler










İlköğretim Online

Alan :   Eğitim Bilimleri

Dergi Türü :   Ulusal

Metrikler
Makale : 6.985
Atıf : 19.840
2023 Impact/Etki : 0.025
İlköğretim Online