社交工程攻击中诱导行为的检测：语言与结构知识的影响
计算与语言
2020-02-26 v1
摘要
社交工程师试图操纵用户执行诸如点击链接下载恶意软件或提供资金及敏感信息访问权限等行为。自然语言处理、计算社会语言学以及媒体特定的结构线索为检测诱导行为（如购买礼品卡）及该诱导所隐含的风险/回报（我们称之为框架化，如丢掉工作、获得加薪）提供了手段。我们应用词汇概念结构等语言资源来解决诱导检测问题，并利用链接及其与已识别诱导的邻近度等结构线索来提高结果的可信度。我们的实验表明，由语言驱动的类别结合链接等结构线索可改善诱导检测、框架化检测以及首要诱导的识别性能。我们的方法在一个向用户提示社交工程风险情境的系统中实现。
引用
@article{arxiv.2002.10931,
title = {Detecting Asks in SE attacks: Impact of Linguistic and Structural Knowledge},
author = {Bonnie J. Dorr and Archna Bhatia and Adam Dalton and Brodie Mather and Bryanna Hebenstreit and Sashank Santhanam and Zhuo Cheng and Samira Shaikh and Alan Zemel and Tomek Strzalkowski},
journal= {arXiv preprint arXiv:2002.10931},
year = {2020}
}
备注
Accepted at AAAI 2020