Machine Learning Based Security

Sistem Deteksi
Phishing

Implementasi Model Random Forest untuk identifikasi situs web berbahaya dengan studi kasus pada UCI Phishing Websites Dataset

0 Dataset Samples
0 Features
0 Accuracy %
Mulai Scan Lihat Dashboard
Scroll ke bawah
URL Scanner

Deteksi URL Phishing

Masukkan URL yang ingin Anda periksa. Sistem akan menganalisis 30 fitur menggunakan model Random Forest.

Contoh URL:
Model Dashboard

Performa Random Forest

Visualisasi metrik evaluasi model yang dilatih pada UCI Phishing Websites Dataset.

- Accuracy
- Precision
- Recall
- F1-Score

Confusion Matrix

Feature Importance (Top 10)

ROC Curve

Cross Validation Scores

Dataset

UCI Phishing Websites Dataset

Dataset benchmark dari UCI Machine Learning Repository dengan 11.055 sampel dan 30 fitur untuk klasifikasi situs phishing.

11,055

Total Instance

30

Fitur Ekstraksi

2

Kelas Target

100

Decision Trees

30 Fitur Analisis URL

Referensi

Dataset: Mohammad, R., Thabtah, F., & McCluskey, L. (2012). "An assessment of features related to phishing websites using an automated technique." International Conference on Neural Information Processing.

Sumber: UCI Machine Learning Repository - Phishing Websites Dataset

Algoritma: Random Forest Classifier — Ensemble learning method yang membangun banyak decision tree dan menggabungkan prediksi untuk meningkatkan akurasi.

Riwayat

Riwayat Scan URL

Daftar URL yang telah dianalisis oleh sistem deteksi phishing.

No URL Prediksi Confidence Risiko Waktu

Belum ada riwayat scan