抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Webベースフィッシング攻撃は,今日,攻撃をホストするためにGoogle SitesやTypeformのような人気のあるクラウドWebホストサービスやアプリケーションを利用する。これらの攻撃はクラウドサービスの可読性ドメインとIPアドレスから生じるので,IP評判監視とブラックリストングのような従来のフィッシング検出法は,非常に効果的でない。ここでは,このクラスのクラウドベースフィッシング攻撃の検出における深層学習モデルの有効性を調べた。具体的には,URL解析に対する3つのフィッシング検出法-LSTMモデル,ログ解析のためのYOLOv2モデル,および視覚類似性解析のための三重項ネットワークモデルに対する深層学習モデルを評価した。よく知られたデータセットを用いてモデルを訓練し,野生におけるクラウドベースフィッシング攻撃に関するその性能を試験した。著者らの結果は,モデルが成功し失敗する理由を定性的に説明する。さらに,著者らの結果は,個々のモデルからの結果の結合が,クラウドベースのフィッシング攻撃を検出する有効性をいかに改善できるかを強調する。【JST・京大機械翻訳】