팀원 소개

2017028831 정보시스템 권성현

2022078040 신소재공학 김태은

주제 선정 이유

• 오늘 날, 인터넷에 대한 의존도가 갈수록 높아지면서 간단한 인터넷 포털 검색부터 금융 업무에 이르기까지 많은 활동을 휴대 전화와 같은 전자기기에서 처리하게 되었습니다. 이 덕분에 우리의 생활은 더욱 편리해졌지만 그럴 수록 스미싱, 피싱 등 사기 범죄의 발생 건수는 나날이 높아지고 있습니다. 그렇기에 우리는 그 중 거짓 사이트를 이용해 상대방의 개인 정보를 빼내어 금전적 이득을 취하는 수법인 ‘피싱 사이트’를 판별하고 걸러낼 수 있는 인공지능 분류 모델을 제작하기로 계획하였습니다.

What do you want to see at the end?

• 저희가 최종적으로 완성할 결과물은 인공지능을 활용하여 피싱 사이트를 판별해주는 웹입니다. 저희 웹은 피싱 사이트의 특징들을 학습한 인공지능 모델을 사용하여, 사용자가 의심스러운 url을 입력하면 그 url이 피싱 사이트일 확률을 사용자에게 보여줍니다.

데이터 셋

• 이 프로젝트에서 사용한 데이터셋은 총 11431건의 url과 87개의 피처로 구성되어있습니다. 이 중 56개의 피처는 URL 구조와 관련된 피처, 24개의 피처는 URL에 대응하는 페이지와 관련된 피처 그리고 나머지 7개의 피처는 외부 서비스(ex. 구글 인덱스)와 관련된 피처입니다.

• 데이터 셋은 Hannousse, A., & Yahiouche, S. (2021). Towards benchmark datasets for machine learning based website phishing detection: An experimental study. Engineering Applications of Artificial Intelligence, 104, 104347. 에 사용된 데이터 셋이며 이곳에서 다운 받았습니다.

• 비록 정제된 데이터이지만 혹시 모를 불상사를 방지하기 위해 데이터 전처리를 진행했습니다. 결측치가 존재하는 행은 데이터프레임에서 제거하는 방식으로 결측치 전처리를 진행했습니다. 또한 저희가 사용할 피처들의 이상치만 제거하는 방식으로 이상치 전처리를 진행했습니다. 자세한 내용은 아래 코드를 참조해주시면 감사하겠습니다.