A Comprehensive Systematic Review of Neural Networks and Their Impact on the Detection of Malicious Websites in Network Users

Abstract

The large branches of Machine Learning represent an immense support for the detection of malicious websites, they can predict whether a URL is malicious or benign, leaving aside the cyber attacks that can generate for network users who are unaware of them. The objective of the research was to know the state of the art about Neural Networks and their impact for the Detection of malicious Websites in network users. For this purpose, a systematic literature review (SLR) was conducted from 2017 to 2021. The search identified 561 963 papers from different sources such as Taylor & Francis Online, IEEE Xplore, ARDI, ScienceDirect, Wiley Online Library, ACM Digital Library and Microsoft Academic. Of the papers only 82 were considered based on exclusion criteria formulated by the author. As a result of the SLR, studies focused on machine learning (ML), where it recommends the use of algorithms to have a better and efficient prediction of malicious websites. For the researchers, this review presents a mapping of the findings on the most used machine learning techniques for malicious website detection, which are essential for a study because they increase the accuracy of an algorithm. It also shows the main machine learning methodologies that are used in the research papers.

as grandes ramas de Machine Learning representan un inmenso apoyo para la detección de sitios web maliciosos, pueden predecir si una URL es maliciosa o benigna, dejando de lado los ciberataques que pueden generar para los usuarios de la red que los desconozcan. El objetivo de la investigación fue conocer el estado del arte sobre las Redes Neuronales y su impacto para la Detección de Sitios Web maliciosos en los usuarios de la red. Para ello, se realizó una revisión sistemática de la literatura (SLR) de 2017 a 2021. La búsqueda identificó 561 963 artículos de diferentes fuentes como Taylor & Francis Online, IEEE Xplore, ARDI, ScienceDirect, Wiley Online Library, ACM Digital Library y Microsoft Académico. De los artículos solo 82 fueron considerados en base a los criterios de exclusión formulados por el autor. Como resultado de SLR, los estudios se centraron en el aprendizaje automático (ML), donde recomienda el uso de algoritmos para tener una mejor y eficiente predicción de sitios web maliciosos. Para los investigadores, esta revisión presenta un mapeo de los hallazgos sobre las técnicas de aprendizaje automático más utilizadas para la detección de sitios web maliciosos, que son esenciales para un estudio porque aumentan la precisión de un algoritmo. También muestra las principales metodologías de aprendizaje automático que se utilizan en los trabajos de investigación.