基于信息论的创新方法以提升钓鱼检测中的透明度
密码学与安全
2024-04-18 v2
摘要
钓鱼攻击已成为检测、解释和防御方面的严峻且具有挑战性的问题。尽管已有十余年的钓鱼研究，涵盖技术性和非技术性补救措施，但钓鱼问题仍然严峻。当前，基于人工智能的钓鱼检测成为防御钓鱼攻击的最有效解决方案之一，通过为数据提供漏洞（即钓鱼或良性）预测。然而，它缺乏可解释性，无法提供对预测的全面解释，例如识别导致数据被分类为钓鱼的具体信息。为此，我们提出了一种创新的深度学习方法，用于电子邮件（最常见的钓鱼方式）钓鱼攻击定位。该方法不仅能预测电子邮件数据的漏洞，还能自动学习并确定钓鱼邮件数据中最重要且与钓鱼相关的信息（即句子），其中选定的信息指示对漏洞的有用且简洁的解释。对七个真实世界多样化电子邮件数据集进行严格实验，显示我们所提出方法在选择关键信息方面具有有效性和优势，能够为钓鱼邮件数据的漏洞提供简洁的解释（成功地确定最重要且与钓鱼相关的信息）。特别是，我们的方法在两个主要指标（标签准确率和认知真阳性）的综合平均性能方面，相较于当前最先进的基线提高了约 1.5% 到 3.5%。
引用
@article{arxiv.2402.17092,
title = {An Innovative Information Theory-based Approach to Tackle and Enhance The Transparency in Phishing Detection},
author = {Van Nguyen and Tingmin Wu and Xingliang Yuan and Marthie Grobler and Surya Nepal and Carsten Rudolph},
journal= {arXiv preprint arXiv:2402.17092},
year = {2024}
}