چکیده: با پیشرفت فناوری در شبکه اینترنت یکی از مهم‌ترین چالش‌های امنیتی و ریسک‌های موجود حملات فیشینگ و کلاه‌برداری توسط فیشرها است. فیشینگ (Phishing) نوعی حمله سایبری است، که همواره در تلاش برای بدست آوردن اطلاعاتی مانند نام کاربری، گذرواژه، اطلاعات حساب بانکی و مانند آنها از طریق جعل یک وب‌سایت، آدرس ایمیل و متقاعد کردن کاربر به منظور واردکردن این اطلاعات می‌باشد. ازآن‌جایی که فیشینگ شامل فریب‌های روانی است و به جای اشتباهات نرم‌افزاری یا سخت‌افزاری به اشتباهات انسانی متکی می‌باشد، کاربران سهم زیادی در جلوگیری از به دام افتادن در این نوع حملات را دارند. از طرفی تشخیص دامنه‌های مشکوک با مشاهده توسط کاربران مقدور نمی‌باشد و سیستم‌های تشخیص فیشینگ فعلی اغلب نمی‌توانند خود را با حملات جدید تطبیق دهند و دارای دقت پایین در شناسایی و نرخ مثبت کاذب بالا هستند. روش‌های مبتنی بر گراف یکی از روش‌های شناسایی دامنه‌های مشکوک است. چالش اصلی در این پایان‌نامه این است که چگونه می‌توان با روش مبتنی برگراف و یادگیری عمیق دقت تشخیص این دامنه‌ها را افزایش داد. از این رو در این پایان‌نامه سیستم تشخیص فیشینگ مبتنی برگراف با استفاده از یادگیری عمیق ارائه شده است. ایده کلیدی این روش استخراج IP از دامنه‌، تعریف ارتباط بین دامنه‌ها، وزن آن‌ها وهمچنین تبدیل داده‌ها به بردار توسط الگوریتم Node2vec می‌باشد. در ادامه با استفاده از مدل‌های یادگیری عمیق CNN و DENSE عمل طبقه‌بندی و شناسایی انجام می‌شود. نتایج نشان دادند که روش مبتنی برگراف و استفاده از یادگیری عمیق تاثیر مطلوبی در شناسایی این دامنه‌ها دارد. به طوری که روش پیشنهادی دارای دقت 99 درصد در مجموعه دادگان اول است که در مقایسه با بهترین روش‌ قبل یعنی BP افزایش یک درصدی داشته است.