Pendanaan: Penulis tidak menerima pendanaan khusus untuk pekerjaan ini.

ABSTRAK

Seiring dengan semakin digitalnya dunia, keamanan siber menjadi hal yang krusial bagi individu, kelompok, dan bisnis. Komunikasi yang aman juga harus disediakan dalam lingkungan Web of Things (WoT). Melindungi data dari penipuan dan kehilangan sangatlah penting. Serangan phishing, yang menipu pengguna untuk mencuri data sensitif, terus mengancam keamanan siber. Makalah ini memperkenalkan SPADS-WoT, metode deteksi phishing berbasis pembelajaran mesin yang menggunakan analisis Synthetic Minority Over-sampling Technique (SMOTE). SPADS-WoT menggunakan kumpulan data UCI Machine Learning Library dengan distribusi URL autentik dan phishing yang seimbang dari studi SMOTE. Regresi logistik, random forest, SVC, K-means, dan naive Bayes digunakan untuk melatih dan mengevaluasi model. Eksperimen kami menunjukkan bahwa SPADS-WoT berhasil, dengan Random Forest memperoleh skor akurasi tertinggi
Kami juga membandingkan SPADS-WoT dengan sistem lain. SPADS-WoT melampaui metode lain. SPADS-WoT dapat menangkal upaya phishing dengan menggunakan otomatisasi pembelajaran mesin untuk meningkatkan akurasi dan efisiensi deteksi keamanan siber.