Classificador de phishing utilizando algoritmo de Naive Bayes

Abstract

O presente trabalho tem como objetivo abordar a aplicação na prática do aprendizado de máquina para analisar textos eletrônicos com teor de fraude, em outras palavras, o phishing. Textos com o objetivo de enganar as pessoas para obter informações confidenciais são um método antigo que era praticado fora do meio digital, e trazia grandes prejuízos para as empresas, já hoje em dia com os meios digitais, essa propagação de mensagens falsas aumentou drasticamente e vem causando ainda mais prejuízos para pessoas físicas e pessoas jurídicas. Para demonstrar a eficiência do classificador, foi feito uma coleta de diversos e-mails falsos do catálogo de fraudes, e também foi utilizado o algoritmo de Naive Bayes para fazer o treinamento do classificador. Para realizar o estudo de caso e obter os resultados do experimento, foi utilizado a linguagem de programação JavaScript para construir uma aplicação de linha de comando, que realiza o treinamento do classificador e também faz a leitura de textos, fornecendo como saída a porcentagem de cada texto ser considerado uma fraude ou não. Por fim na conclusão, foi explicado o que é necessário para obter resultados ainda melhores e como combater com maior eficácia esse problema que vem causando prejuízos de milhões de dólares no mundo todo

The present work will demonstrate a command line application with machine learning to analyze electronic texts with fraud content, in other words, phishing. Texts with the objective of deceiving people to obtain confidential information are an old method that was practiced outside the digital environment, and brought great damage to companies, even today with all the technology, this spread of false messages has increased dramatically and comes causing even more damage to individuals and companies. To demonstrate the efficiency of the classifier, a collection of several fake emails from the “catalogo de fraudes” was made, and the Naive Bayes algorithm was also used to train the classifier. To perform the case study and obtain the results of the experiment, it was used the JavaScript programming language to build a command line application, which performs the classifier training and also reads texts, providing the percentage of each text as an output. be considered a fraud or not. Finally, in the conclusion, it is explained what is needed to obtain even better results and how to combat more effectively this problem that has caused millions of dollars in losses worldwide