آمار
| تعداد نشریات | 50 |
| تعداد شماره‌ها | 2,211 |
| تعداد مقالات | 20,279 |
| تعداد مشاهده مقاله | 24,205,070 |
| تعداد دریافت فایل اصل مقاله | 22,094,226 |
ارائه مدل سیاست گذاری فارنزیک بانکداری الکترونیک | ||
| دانش مالی تحلیل اوراق بهادار | ||
| دوره 16، شماره 59، آبان 1402، صفحه 50-75 اصل مقاله (1.82 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30495/jfksa.2023.23065 | ||
| نویسندگان | ||
افشین خدامرادی1؛ علیرضا پورابراهیمی  2؛ محمدعلی افشار کاظمی3
| ||
| 1دانشجوی دکتری مدیریت فناوری اطلاعات دانشگاه آزاد اسلامی واحد بین الملل قشم | ||
| 2استادیار وعضوهیات علمی دانشکده مدیریت و حسابداری دانشگاه آزاد اسلامی واحد کرج(نویسنده مسئول) | ||
| 3دانشیار گروه مدیریت صنعتی دانشکده مدیریت دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران ایران | ||
| چکیده | ||
| در صنعت بانکداری امروز با توجه به پیچیدگی ابزارها و تنوع فعالیت‌های بانکی و ارتباطات درون سیستمی، حفظ سلامت و ثبات نظام بانکی از مهمترین دلایل نظارت بر بانک ها و مؤسسات اعتباری است، از طرف دیگر مجرمان اینترنتی میتوانند صدمات شدیدی وارد نمایند. این تحقیق توصیفی-کمّی است که از دو روش تفکر عمیق و مطالعه‌ی پیمایشی بهره برده ودر جمع‌آوری از ابزار مختلف (مصاحبه، مشاهده، پرسشنامه و بررسی اسناد) استفاده شده است. جامعه آماری این تحقیق بررسی لاگ های رخدادهای سایبری طی یک سال اخیر می‌باشد و نمونه‌گیری خاصی صورت نگرفته است. پس از ارائه مدل، با توجه به نیازمندی‌های پروژه، از شبیه‌سازهای معمول و مخصوصاً Matlab استفاده و نتایج بر اساس سرعت اجرا بررسی می‌شود. انتظار می‌رود سامانهی طراحی شده برای تشخیص گونههای مختلف جرم‌شناسی ناشی از رخداد های سایبری در اینترنت انعطافپذیری بالایی داشته و بتواند برای انواع دیگر وبگاهها مورد استفاده قرار گیرد. | ||
| کلیدواژه‌ها | ||
| تجارت الکترونیکی؛ جرم‌شناسی؛ رخداد های سایبری؛ وبگاه؛ بانکداری | ||
| مراجع | ||
|
بست، جان (1395)، روشهای تحقیق در علوم تربیتی و رفتاری، ترجمه حسن پاشا شریفی و نرگس طالقانی، تهران، رشد.
ساروخانی، لیلا ؛ منتظر، غلامعلی (1396)، طراحی و پیاده سازی سیستم هوشمند شناسایی رفتار مشکوک در بانکداری اینترنتی به کمک نظریة مجموعه های فازی، فصلنامه فنّاوری اطلاعات و ارتباطات ایران، سال اول، شماره های 1و 2، پاییز و زمستان 1396.
Gupta, K., & Arora, N. (2019). Investigating consumer intention to accept mobile payment systems through unified theory of acceptance model. South Asian Journal of Business Studies.
Banu, R., Anand, M., Kamath, A., Ashika, S., Ujwala, H. S., & Harshitha, S. N. (2019, May). Detecting Phishing Attacks Using Natural Language Processing And Machine Learning. In 2019 International Conference on Intelligent Computing and Control Systems (ICCS) (pp. 1210-1214). IEEE.
Adil, M., Khan, R., & Ghani, M. A. N. U. (2020, February). Preventive Techniques of Phishing Attacks in Networks. In 2020 3rd International Conference on Advancements in Computational Sciences (ICACS) (pp. 1-8). IEEE.
Subasi, A., & Kremic, E. (2020). Comparison of Adaboost with MultiBoosting for Phishing Website Detection. Procedia Computer Science, 168, 272-278.
اسدی صومعه، آ. (1398). توسعهی مدل پرامیتی به کمک نظریهی فازی شهودی و به کارگیری آن در بهبود کیفیت وبگاههای دانشگاهی. پایاننامهی کارشناسی ارشد مهندسی فناوری اطلاعات. تهران، دانشگاه تربیت مدرس.
ساروخانی، ل. (1397). تشخیص رفتارهای مشکوک مشتریان در بانکداری الکترونیکی با استفاده از نظریهی فازی. پایاننامهی کارشناسی ارشد مهندسی فناوری اطلاعات. تهران، دانشگاه تربیت مدرس.
عموزاد خلیلی، ح، ر. توکلی مقدم و ف. مطلبی. (1397). "اثرات بهبود امنیت بانکداری الکترونیکی در جلب رضایت مشتریان الکترونیکی" . دومین کنفرانس جهانی بانکداری الکترونیکی. تهران، ایران.
Li, Q., Cheng, M., Wang, J., & Sun, B. (2020). LSTM based Phishing Detection for Big Email Data. IEEE Transactions on Big Data.
Megha, N., Babu, K. R., & Sherly, E. (2019, July). An Intelligent System for Phishing Attack Detection and Prevention. In 2019 International Conference on Communication and Electronics Systems (ICCES) (pp. 1577-1582). IEEE.
Paliath, S., Qbeitah, M. A., & Aldwairi, M. (2020). PhishOut: Effective Phishing Detection Using Selected Features. arXiv preprint arXiv:2004.09789.
Olufemi, R., Adebowale, J., & Victoria, K. (2018). Detection and Prevention of Phishing Attack Using Linkguard Algorithm. Journal of Information, 4(1), 10-23.
Nisha, S., & Madheswari, A. N. (2016, February). Prevention of phishing attacks in voting system using visual cryptography. In 2016 International Conference on Emerging Trends in Engineering, Technology and Science (ICETETS) (pp. 1-4). IEEE.
Gaharwar, R. S., & Gupta, R. (2020). Vulnerability assessment of android instant messaging application and network intrusion detection prevention systems. Journal of Statistics and Management Systems, 23(2), 399-406.
Prashanth Kumar, P., & Vinay, M. (2019). Enhanced Technique for Detection and Prevention of Phishing on Websites. Journal of Computational and Theoretical Nanoscience, 16(5-6), 2614-2618.
| ||
|
آمار تعداد مشاهده مقاله: 16 تعداد دریافت فایل اصل مقاله: 19 |
||
