“对抗性钓鱼网页在现实中是威胁吗？”理解用户对对抗性网页的感知
密码学与安全
2024-04-04 v1
摘要
基于机器学习的钓鱼网站检测器（ML-PWD）是当今实际运行中反钓鱼解决方案的关键部分。遗憾的是，正如学术研究和对现实世界对抗性钓鱼网页的分析所证实的那样，ML-PWD 容易受到对抗性规避攻击。然而，现有工作主要集中在评估对抗性钓鱼网页对 ML-PWD 的攻击效果，却忽略了一个关键方面：调查它们是否能欺骗钓鱼的真正目标——终端用户。在本文中，我们通过开展两项用户研究（n=470）来填补这一空白，考察人类用户如何感知对抗性钓鱼网页，涵盖了我们通过规避最先进的 ML-PWD 所创建的合成网页，以及绕过了生产级 ML-PWD 的真实对抗性网页（取自野外 Web）。我们的发现证实，对抗性钓鱼对用户和 ML-PWD 都构成威胁，因为大多数对抗性钓鱼网页在针对用户的有效性上与未受扰动的网页相当。然而，并非所有的对抗性扰动都同样有效。例如，那些添加了拼写错误的扰动更容易被用户注意到，而用户往往倾向于忽略视觉幅度较大的扰动（例如替换背景）。我们还表明，用户自报的访问某品牌网站的频率与其钓鱼检测准确率呈统计负相关，这可能是由于过度自信造成的。我们公开了我们的资源。
引用
@article{arxiv.2404.02832,
title = {"Are Adversarial Phishing Webpages a Threat in Reality?" Understanding the Users' Perception of Adversarial Webpages},
author = {Ying Yuan and Qingying Hao and Giovanni Apruzzese and Mauro Conti and Gang Wang},
journal= {arXiv preprint arXiv:2404.02832},
year = {2024}
}