در عصری که با حضور همه جانبه اینترنت شکل گرفته است، حمله های دام چینی به عنوان تهدیدی دائمی در امنیت سایبری مطرح می شوند. یگانه ستاری کارشناس ارشد مهندسی فناوری اطلاعات - سامانه های شبکه ای که این پژوهش در قالب پایان نامه وی انجام شده است، با بیان این مطلب در خصوص وبگاه های دام چینی گفت: وبگاه های دام چینی نوع رایجی از این حملات به شمار می روند که با تقلیدی فریبنده از وبگاه های قانونی و معتبر، خطر قابل توجهی برای افراد، سازمان ها و داده های حساس آن ها ایجاد می کنند.
وی افزود: از آن جا که مهاجمان همواره سعی دارند تا با اعمال تغییرات روش های خود را بهبود داده و از شناسایی دور بمانند، به کارگیری روش های متقابل برای شناسایی خودکار وبگاه های دام چینی در زمان مناسب بسیار حائز اهمیت است که از میان آن ها، روش های هوشمند مبتنی بر یادگیری ماشینی با توانایی مقابله با حمله های جدید ارجحیت دارند.
مهندس ستاری اظهار داشت: این پژوهش بر آن بوده است که به کمک روش نروفازی ژرف، سامانه ای برای شناسایی وبگاه های دام چینی طراحی شود چنان که با مدیریت عدم قطعیت ذاتی در این حملات و سازگاری با انواع جدید آن ها در کذر زمان، عملکردی مطلوب به ویژه از لحاظ زمان پاسخگویی و صحت ارائه دهد.
وی تشریح کرد: سامانه پیشنهادی با دریافت نشانی وبگاه، ویژگی هایی را به کمک روش پردازش زبان طبیعی استخراج و سپس با شبکه نروفازی ژرف که در این پژوهش طراحی شده، نوع وبگاه را شناسایی می کند. همچنین در طراحی این سامانه از نظریه مجموعه های سایه دار بهره گرفته شده است که نشان می دهد نسبت به مجموعه های فازی معمولی، عملکرد بهتری را منجر می شود. میزان صحت روی مجموعه داده ای شامل 60 هزار وبگاه دام چینی و قانونی، بیش از 98 درصد به دست آمده است. علاوه بر این زمان پاسخگویی سامانه 2/6 میلی ثانیه برآورد شده است که حفاظت سریع و بی درنگ در برابر تهدید دام چینی را ممکن می سازد.
مهندس ستاری در پایان گفت: سامانه نروفازی ژرف ارائه شده در این پژوهش نه تنها به نتایج مطلوبی در شناسایی وبگاه های دام چینی دست یافته بلکه نوآوری مورد نیاز برای مقابله با تهدیدات جدید امنیت سایبری را نیز تجسم بخشیده است.
گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد یگانه ستاری با راهنمایی دکتر غلامعلی منتظر در دانشکده مهندسی صنایع و سیستم ها دانشگاه انجام شد.