深層学習に基づく逐次フィッシング検出

Ogawa Yuji; Kimura Tomotaka; Cheng Jun

文献

J-GLOBAL ID：202202289979695787 整理番号：22A1213871

深層学習に基づく逐次フィッシング検出

Deep-learning-based sequential phishing detection

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1213871&from=J-GLOBAL&jstjournalNo=U0397A") }}

著者 (3件)： , ,
資料名：
巻： 11 号： 4 ページ： 171-175(J-STAGE) 発行年： 2022年
JST資料番号： U0397A ISSN： 2187-0136 資料種別：逐次刊行物 (A)
記事区分：短報発行国：日本 (JPN) 言語：英語 (EN)

本稿では,フィッシング検出のセキュリティと速度を改善するために,深層学習ベースの逐次フィッシング検出を提案した。提案手法では,フィッシングウェブサイトを,URL,ドメイン,およびHTML分析フェーズの3つのフェーズで検出する。これらのフェーズにおいて,URLs,DNS記録,およびHTMLコンテンツは,それぞれCNN-BiLSTMs(畳込みニューラルネットワーク-双方向長短期メモリ)に入力される。実験により,提案手法が既存の検出法よりも高速であり,URLとHTMLコンテンツが同時にCNN-BiLSTMに入力されることを示した。(翻訳著者抄録)

, , , , , , ,
, , , , , ,

著者キーワード (5件)： , , , ,

データ保護 , 計算機網 , 人工知能

引用文献 (5件)：

[1] K.L. Chiew, K.S.C. Yong, and C.L. Tan, “A survey of phishing attacks: their types, vectors and technical approaches,” Expert Systems with Applications, vol. 106, pp. 1-20, 2018. DOI: 10.1016/j.eswa.2018.03.050
[2] M. Priya, L. Sandhya, and C. Thomas, “A static approach to detect drive-by-download attacks on webpages,” Proc. International Conference on Control Communication and Computing (ICCC’13), pp. 298-303, 2013. DOI: 10.1109/iccc.2013.6731668
[3] H. Yuan, X. Chen, Y. Li, Z. Yang, and W. Liu, “Detecting phishing websites and targets based on URLs and webpage links,” Proc. 24th International Conference on Pattern Recognition, pp. 3669-3674, 2018. DOI: 10.1109/icpr.2018.8546262
[4] J. Feng, L. Zou, O. Ye, and J. Han, “Web2Vec: Phishing webpage detection method based on multidimensional features driven by deep learning,” IEEE Access, vol. 8, pp. 221214-221224, 2020. DOI: 10.1109/access.2020.3043188
[5] D.K. McGrath, A. Kalafut, and M. Gupta, “Phishing infrastructure fluxes all the way,” <i>IEEE Security & Privacy</i>, vol. 7, no. 5, pp. 21-28, 2009. DOI: 10.1109/ msp.2009.130

, ,

前のページに戻る