文献

J-GLOBAL ID：202202257233571506   整理番号：22A0462399

フィッシングスカムを検出するためのインテリジェントなアンチフィッシングフレームワーク:ハイブリッド分類アプローチ【JST・京大機械翻訳】

Intelligent antiphishing framework to detect phishing scam: A hybrid classification approach

著者 (3件)： Marimuthu Satheesh Kumar (Department of Electronics and Communication Engineering, National Engineering College, Kovilpatti, Tamil Nadu, India) ,  Kalampatti Gopalasamy Srinivasagan (Department of Computer Science Engineering, National Engineering College, Kovilpatti, Tamil Nadu, India) ,  Ben-Othman Jalel (L2S Lab, CentraleSupelec, Univ Paris-Saclay, Rue Joliot Curie, Gif-sur-Yvette, France)
資料名： Software: Practice & Experience  (Software: Practice & Experience)
巻： 52  号： 2  ページ： 459-481  発行年： 2022年 
JST資料番号： E0674A  ISSN： 0038-0644  CODEN： SPEXBL  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： サイバークリスの必然的にハイテクの宇宙において,主要なまだ普及している方法のひとつは,悪意のあるURLの使用であり,人々からユーザ信用を得るためにフィッシングリンクを作成することである。この方法は,非常に微妙であり,人々の生活および企業の損失に,より多くの影響を及ぼす。悪意のあるURLを同定するために,セキュリティコミュニティはオンラインでブラックリストと良性リンクをリストアップした。なお,この技術は日々開発中であるので,攻撃者は,ユーザーの会計に容易に鍛造できる新しい社会工学法を用いて,新しいフィッシングURLを創造することを試みた。悪意のあるURL検出器の普遍性を改善するために,機械学習技術が近年注目されている。本論文は,発見的ベースの方法および機械学習プロセスの両方の知能を結合する悪意のあるURLの検出に取り組んだ。語彙特徴および機械学習法の両方を組み込んだとき,ゼロ日攻撃およびスピアフェージング攻撃を検出する多くの可能性が存在することがわかった。解析した6バッチ学習プロセスの中で,評価中に99.47%の精度で,著者らのフレームワークにおいて決定木アルゴリズムを実行した。提案したハイブリッドフレームワークで得られた真の正値は99.2%であり,偽陽性値の<1%を示した。実装は,開発した以前のモデルより高い精度レベルと他のアンチフィッシング技術を示した。ゼロ日とスピアフェーシング攻撃と全体の結果に関する高い検出率は,このシステムが,フィッシングスカムを検出する現在のアプローチをクラス分けすることを明らかにする。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  スカム ,  コミュニティ ,  語彙 ,  ディシジョンツリー ,  宇宙空間 ,  セキュリティ ,  機械学習 ,  *サイバー攻撃
準シソーラス用語： 学習過程 ,  誤検出 ,  オンライン ,  検出率 ,  機械学習技術 ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (6件)： データセット ,  機械学習 ,  悪性URL ,  フィッシングリンク ,  フィッシング検出 ,  URL属性

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (1件)： 分類