基于CNN-OOA的网络威胁检测:保护电子学习免受网络钓鱼攻击

《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》:CNN-OOA-Based Cyber Threat Detection: Protecting E-Learning from Phishing

【字体: 大 中 小 】 时间:2026年04月06日 来源:ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING 2.9

编辑推荐:

  网络犯罪利用在线学习平台漏洞,疫情期间钓鱼攻击频发,传统方法存在误报率高、计算成本大、适应性差等问题。本文提出CNN-Orca混合模型,通过Orca优化算法实时调优CNN超参数,显著提升未知钓鱼攻击检测性能,邮件检测准确率96.89%、AUC 99.49%,网站检测准确率98.04%、AUC 99.60%。该方案有效增强在线教育平台安全防护。

  

摘要

自从大多数教育机构采用远程学习方式以来,网络犯罪分子就开始利用在线学习平台,尤其是在COVID-19疫情期间,这导致了电子学习的快速发展。这种发展增加了网络攻击的数量,因为学生的信息具有敏感性,使他们成为了攻击的目标。尽管目前的方法(如基于签名的过滤器、加密方法、入侵检测系统和传统的机器学习分类器)能够提供安全保护,但它们存在较高的误报率、较高的计算成本和较低的适应性。卷积神经网络-Orca优化算法(CNN-OOA)是一种混合方法,用于识别在线学习中的网络威胁。我们优先关注网络钓鱼威胁,因为它们是电子学习生态系统中最为普遍且最具破坏性的网络攻击类型之一。在这些攻击中,窃取的凭据通过看似合法的电子邮件或网站被用来侵犯学生的隐私,从而泄露敏感的个人信息,如登录凭证和财务数据。我们方法的关键创新之处在于使用OA的元启发式优化技术实时调整CNN的超参数。这克服了静态模型的局限性,并提高了对先前未知的网络钓鱼攻击的检测率。综合实验结果表明,CNN-OOA在网络钓鱼电子邮件上的准确率为96.89%,精确率为98.17%,召回率为95.68%,F1分数为96.91%,AUC为99.49%;在网络钓鱼学习网站上的准确率为98.04%,精确率为98.60%,召回率为97.10%,F1分数为97.85%,AUC为99.60%。这些发现表明,所提出的深度学习方法有效地增强了电子学习平台的网络安全性。完整的实现和相关资源可在此处公开获取:https://doi.org/10.5281/zenodo.18566604。

自从大多数教育机构采用远程学习方式以来,网络犯罪分子就开始利用在线学习平台,尤其是在COVID-19疫情期间,这导致了电子学习的快速发展。这种发展增加了网络攻击的数量,因为学生的信息具有敏感性,使他们成为了攻击的目标。尽管目前的方法(如基于签名的过滤器、加密方法、入侵检测系统和传统的机器学习分类器)能够提供安全保护,但它们存在较高的误报率、较高的计算成本和较低的适应性。卷积神经网络-Orca优化算法(CNN-OOA)是一种混合方法,用于识别在线学习中的网络威胁。我们优先关注网络钓鱼威胁,因为它们是电子学习生态系统中最为普遍且最具破坏性的网络攻击类型之一。在这些攻击中,窃取的凭据通过看似合法的电子邮件或网站被用来侵犯学生的隐私,从而泄露敏感的个人信息,如登录凭证和财务数据。我们方法的关键创新之处在于使用OA的元启发式优化技术实时调整CNN的超参数。这克服了静态模型的局限性,并提高了对先前未知的网络钓鱼攻击的检测率。综合实验结果表明,CNN-OOA在网络钓鱼电子邮件上的准确率为96.89%,精确率为98.17%,召回率为95.68%,F1分数为96.91%,AUC为99.49%;在网络钓鱼学习网站上的准确率为98.04%,精确率为98.60%,召回率为97.10%,F1分数为97.85%,AUC为99.60%。这些发现表明,所提出的深度学习方法有效地增强了电子学习平台的网络安全性。完整的实现和相关资源可在此处公开获取:https://doi.org/10.5281/zenodo.18566604。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号