| Titre : |
Classification des sites web d’extension .sn |
| Type de document : |
texte imprimé |
| Auteurs : |
Astou CISSE, Auteur |
| Editeur : |
Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique |
| Année de publication : |
2024 |
| Importance : |
61 P. |
| Format : |
29 cm |
| Langues : |
Français (fre) |
| Mots-clés : |
Classification site web extension .sn domaaine .sn .sn nom de domaine |
| Résumé : |
Léevolution rapide de l’ere numerique au Senegal a entraıne une croissance exponentielle du paysage internet, avec environ 9000 noms de domaine actifs enregistres en 2022. Cependant, l’absence de classification officielle des sites web d’extension .sn entrave la comprehension de leur impact socio-
economique et la securite des utilisateurs contre des menaces telles que le phishing. Cette etude vise a combler cette lacune en developpant des criteres de categorisation adaptes et des techniques de detection specifiques pour distinguer les sites legitimes des sites frauduleux.
L’approche privilegiée repose sur l’analyse du contenu textuel des sites pour une classification automatisee, exploitant des elements HTML tels que les paragraphes, les titres et les liens.
Deux approches basees sur l’apprentissage automatique, Kmeans et XGBoost, sont adoptees pour la classification des sites et la distinction entre les sites legitimes et les sites suspects.
Les resultats obtenus revelent que le modele Kmeans a genere huit clusters distincts, chacun avec des caracteristiques bien definies. Le score de silhouette associe a ces clusters est de 0,82, indiquant une separation efficace des donnees. Parmi les sites web .sn analyses, les categories les plus representees
comprennent “Entreprise/Corporatif”, “Technologie et Informatique” et “Education et formation”.
Cette approche permet une classification precise des sites web senegalais en fonction de leur contenu et de leur domaine d’activit´e.
En ce qui concerne la detection de sites de phishing, j’ai utilise un modele XGBoost qui a ete entraıne sur 19 fonctionnalites pertinentes. Ce modele affiche une precision de 98,64% dans la distinction entre les sites legitimes et ceux de phishing, demontrant ainsi son efficacite dans la detection de ces sites
malveillants.
La methodologie implique l’extraction systematique des fonctionnalites des sites Web, en analysant le contenu HTML et en recueillant des informations sur le domaine associe `a l’URL. En outre, un ensemble de donnees de phishing de 297 sites et un ensemble de donnees legitimes de 436 sites ont ete collect´es pour l’entraınement du modele.
Cette etude presente une approche robuste pour la classification des sites web .sn, ainsi que la detection des sites de phishing. Cette approche permet une categorisation precise des sites web senegalais en
fonction de leur contenu et de leur domaine d’activite, favorisant ainsi un environnement web securise et pertinent pour les utilisateurs du Senegal. De plus, la detection efficace des sites de phishing contribue a renforcer la securite en ligne et a proteger les utilisateurs contre les activites malveillantes. En
combinant ces deux approches, cette etude jette les bases d’une comprehension approfondie de l’impact socio-economique de la presence en ligne dans le pays, tout en offrant des solutions pratiques pour ameliorer la securit´e et la pertinence de l’environnement web senegalais.
|
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2251 |
Classification des sites web d’extension .sn [texte imprimé] / Astou CISSE, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2024 . - 61 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
Classification site web extension .sn domaaine .sn .sn nom de domaine |
| Résumé : |
Léevolution rapide de l’ere numerique au Senegal a entraıne une croissance exponentielle du paysage internet, avec environ 9000 noms de domaine actifs enregistres en 2022. Cependant, l’absence de classification officielle des sites web d’extension .sn entrave la comprehension de leur impact socio-
economique et la securite des utilisateurs contre des menaces telles que le phishing. Cette etude vise a combler cette lacune en developpant des criteres de categorisation adaptes et des techniques de detection specifiques pour distinguer les sites legitimes des sites frauduleux.
L’approche privilegiée repose sur l’analyse du contenu textuel des sites pour une classification automatisee, exploitant des elements HTML tels que les paragraphes, les titres et les liens.
Deux approches basees sur l’apprentissage automatique, Kmeans et XGBoost, sont adoptees pour la classification des sites et la distinction entre les sites legitimes et les sites suspects.
Les resultats obtenus revelent que le modele Kmeans a genere huit clusters distincts, chacun avec des caracteristiques bien definies. Le score de silhouette associe a ces clusters est de 0,82, indiquant une separation efficace des donnees. Parmi les sites web .sn analyses, les categories les plus representees
comprennent “Entreprise/Corporatif”, “Technologie et Informatique” et “Education et formation”.
Cette approche permet une classification precise des sites web senegalais en fonction de leur contenu et de leur domaine d’activit´e.
En ce qui concerne la detection de sites de phishing, j’ai utilise un modele XGBoost qui a ete entraıne sur 19 fonctionnalites pertinentes. Ce modele affiche une precision de 98,64% dans la distinction entre les sites legitimes et ceux de phishing, demontrant ainsi son efficacite dans la detection de ces sites
malveillants.
La methodologie implique l’extraction systematique des fonctionnalites des sites Web, en analysant le contenu HTML et en recueillant des informations sur le domaine associe `a l’URL. En outre, un ensemble de donnees de phishing de 297 sites et un ensemble de donnees legitimes de 436 sites ont ete collect´es pour l’entraınement du modele.
Cette etude presente une approche robuste pour la classification des sites web .sn, ainsi que la detection des sites de phishing. Cette approche permet une categorisation precise des sites web senegalais en
fonction de leur contenu et de leur domaine d’activite, favorisant ainsi un environnement web securise et pertinent pour les utilisateurs du Senegal. De plus, la detection efficace des sites de phishing contribue a renforcer la securite en ligne et a proteger les utilisateurs contre les activites malveillantes. En
combinant ces deux approches, cette etude jette les bases d’une comprehension approfondie de l’impact socio-economique de la presence en ligne dans le pays, tout en offrant des solutions pratiques pour ameliorer la securit´e et la pertinence de l’environnement web senegalais.
|
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2251 |
|  |
Accueil
Classification des sites web d’extension .sn (2024)
