Wyszukiwanie zaawansowane ?

Obiekt

Enhancing Cloud-Hosted Phishing Detection Using RNN-LSTM: A Deep Learning Framework, Journal of Telecommunications and Information Technology, 2025
Pobierz

Tytuł: Enhancing Cloud-Hosted Phishing Detection Using RNN-LSTM: A Deep Learning Framework, Journal of Telecommunications and Information Technology, 2025

Autor:

Senouci, Oussama ; Benaouda, Nadjib

Data wydania:

2025, nr 1

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2025, nr 1, JTIT-artykuły

Opis:

kwartalnik

Abstrakt:

Phishing attacks targeting cloud computing services are more sophisticated and require advanced detection mechanisms to address evolving threats. This study introduces a deep learning approach leveraging recurrent neural networks (RNNs) with long short-term memory (LSTM) to enhance phishing detection. The architecture is designed to capture sequential and temporal patterns in cloud interactions, enabling precise identification of phishing attempts. The model was trained and validated using a dataset of 10,000 samples, adapted from the PhishTank repository. This dataset includes a diverse range of attack vectors and legitimate activities, ensuring comprehensive coverage and adaptability to real-world scenarios. The key contribution of this work includes the development of a high-performance RNN-LSTM-based detection mechanism optimized for cloud-specific phishing patterns that achieve 98.88% accuracy. Additionally, the model incorporates a robust evaluation framework to assess its applicability in dynamic cloud environments. The experimental results demonstrate the effectiveness of the proposed approach, surpassing existing methods in accuracy and adaptability.

Numer:

1

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

oai:bc.itl.waw.pl:2373

DOI:

10.26636/jtit.2025.1.1916

eISSN:

on-line: ISSN 1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Prawa:

Biblioteka Naukowa Instytutu Łączności

Licencja:

CC BY 4.0

Temat i słowa kluczowe:

cloud services cybersecurity deep learning phishing detection RNN-LSTM

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

14 kwi 2025

Data dodania obiektu:

14 kwi 2025

Liczba wyświetleń treści obiektu:

0

Wszystkie dostępne wersje tego obiektu:

https://bc.itl.waw.pl/publication/2688

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Senouci, Oussama; Benaouda, Nadjib, Enhancing Cloud-Hosted Phishing Detection Using RNN-LSTM: A Deep Learning Framework, Journal of Telecommunications and Information Technology, 2025, nr 1 14 kwi 2025

Obiekty Podobne

2024, nr 4, JTIT-artykuły
2024, nr 4, JTIT-artykuły
Efficient Routing for Delay-energy Tradeoff in Event-based Wireless Sensor Networks, Journal of Telecommunications and Information Technology, 2024, nr 4

Benaouda, Nadjib

2024, nr 4
artykuł
2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3

Ponti, Francesca Frezza, Fabrizio Simeoni, Patrizio Parisi, Raffaele

2024, nr 3
artykuł
SHaPe: A Honeypot for Electric Power Substation, Journal of Telecommunications and Information Technology, 2015, nr 4

Kotłyś, Kamil Gajewski, Robert

2015, nr 4
artykuł
2024, nr 4, JTIT-artykuły
2024, nr 4, JTIT-artykuły
Enhancing Biometric Security with Bimodal Deep Learning and Feature-Level Fusion of Facial and Voice Data, Journal of Telecommunications and Information Technology, 2024, nr 4

Merit, Khaled Beladgham, Mohammed

2024, nr 4
artykuł
2025, nr 1, JTIT-artykuły
2025, nr 1, JTIT-artykuły
Semantic Segmentation of Plant Structures with Deep Learning and Channel-wise Attention Mechanism, Journal of Telecommunications and Information Technology, 2025, nr 1

Surehli, Mukund Kumar Aggarwal, Naveen Joshi, Garima Harsh Nayyar, Harsh

2025, nr 1
artykuł
Convolutional Neural Networks for C. Elegans Muscle Age Classification Using Only Self-learned Features, Journal of Telecommunications and Information Technology, 2022, nr 4

Dzwonkowski, Mariusz Czaplewski, Bartosz Panas, Damian

2022, nr 4
artykuł
2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Collaborative Approach to Detecting DDoS Attacks in SDN Using Entropy and Deep Learning, Journal of Telecommunications and Information Technology, 2024, nr 3

Narayan, D. G. Heena, W Amit, K

2024, nr 3
artykuł
On Preventing and Detecting Cyber Attacks in Industrial Control System Networks, Journal of Telecommunications and Information Technology, 2019, nr 2

Padée, Adam Kopka, Przemysław Klimaszewski, Konrad Kuźmicki, Krzysztof Włodarski, Tomasz Kozioł, Sylwester Wiślicki, Wojciech Wójcik, Michał Ćwiek, Arkadiusz Możdżonek, Rafał

2019, nr 2
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji