深層学習モデルの組合せによるクラウドベースフィッシング攻撃の検出【JST・京大機械翻訳】

Jha Birendra; Atre Medha; Rao Ashwini

プレプリント

J-GLOBAL ID：202202212657783406 整理番号：22P0326868

深層学習モデルの組合せによるクラウドベースフィッシング攻撃の検出【JST・京大機械翻訳】

Detecting Cloud-Based Phishing Attacks by Combining Deep Learning Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年10月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

データ保護

, , ,

前のページに戻る