利用对抗扰动攻击基于标识的钓鱼网站检测器
密码学与安全
2023-09-14 v2
摘要
近年来，由深度学习（DL）驱动的反钓鱼方案兴起。特别地，基于标识的钓鱼检测器依赖计算机视觉中的 DL 模型来识别网页上知名品牌的标识，以检测模仿某品牌的恶意网页。例如，孪生网络已在这些任务中展现出显著性能，使相应的反钓鱼方案能够检测甚至“零日”钓鱼网页。本文中，我们进一步研究基于标识的钓鱼检测器对抗对抗性机器学习攻击的鲁棒性。我们提出一种利用生成式对抗扰动来制造规避钓鱼检测器的“对抗标识”的新型攻击。我们通过以下方式评估攻击：(i) 在包含真实标识的数据集上实验，以评估最先进钓鱼检测器的鲁棒性；(ii) 用户研究，以衡量我们的对抗标识能否欺骗人眼。结果表明，我们所提攻击能够制造足够细微的扰动标识，从而规避多种 DL 模型——规避率高达 95%。此外，用户无法察觉生成的对抗标识与原始标识之间的显著差异。
引用
@article{arxiv.2308.09392,
title = {Attacking logo-based phishing website detectors with adversarial perturbations},
author = {Jehyun Lee and Zhe Xin and Melanie Ng Pei See and Kanav Sabharwal and Giovanni Apruzzese and Dinil Mon Divakaran},
journal= {arXiv preprint arXiv:2308.09392},
year = {2023}
}
备注
To appear in ESORICS 2023