推特矿中的金丝雀：从专家与非专家处收集钓鱼报告
密码学与安全
2023-06-07 v2 社会与信息网络
摘要
通过电子邮件和短消息服务（SMS）进行的钓鱼攻击的增长丝毫没有放缓。为了应对不断增加的钓鱼攻击，我们需要做的第一件事是收集并刻画更多到达终端用户的钓鱼案例。若不理解这些特征，反钓鱼对策便无法演进。在本研究中，我们提出一种以 Twitter 作为新观测点的方法，用于立即收集和刻画规避对策并到达用户的电子邮件与 SMS 钓鱼案例。具体而言，我们提出 CrowdCanary，一个能够从实际发现或遭遇钓鱼的用户推文中结构化且准确地提取钓鱼信息（如 URL 和域名）的系统。在三个月的实时运行中，CrowdCanary 从 38,935 条钓鱼报告中识别出 35,432 个钓鱼 URL，其中 31,960 个（90.2%）后来被杀毒引擎检测到。我们通过将分享钓鱼威胁的用户分为专家和非专家两组进行分析。结果我们发现，CrowdCanary 能提取非专家报告特有的信息，如推文中的公司品牌名、推文图片中的钓鱼攻击细节，以及重定向前的落地页信息。
引用
@article{arxiv.2303.15847,
title = {Canary in Twitter Mine: Collecting Phishing Reports from Experts and Non-experts},
author = {Hiroki Nakano and Daiki Chiba and Takashi Koide and Naoki Fukushi and Takeshi Yagi and Takeo Hariu and Katsunari Yoshioka and Tsutomu Matsumoto},
journal= {arXiv preprint arXiv:2303.15847},
year = {2023}
}
备注
Accepted at the 18th International Conference on Availability, Reliability and Security (ARES 2023)