利用机器学习技术检测COVID-19大流行的恶意URL
密码学与安全
2020-09-22 v1 机器学习
摘要
在整个COVID-19爆发期间，恶意攻击变得比以往更加普遍且具有破坏性。恶意入侵者应对近期大多数网络犯罪负责，并是日益增长的网络威胁的成因，包括身份与IP盗用、金融犯罪以及对关键基础设施的网络攻击。机器学习(ML)在过去十年中通过解决许多高度复杂且精密的现实问题，已证明自身是一个杰出的研究领域。本文提出一种基于ML的分类技术，用于检测因COVID-19大流行而不断增长的恶意URL，其目前被视为对IT用户的威胁。我们使用大量开源数据，并用我们开发的工具进行预处理以生成特征向量，且利用审慎的恶意威胁权重训练ML模型。我们的ML模型已在含熵与不含熵情况下进行测试，以预测COVID-19 URL的威胁因素。经验证据证明了我们的方法是攻击生命周期早期缓解COVID-19相关威胁的一种有前景的机制。
引用
@article{arxiv.2009.09224,
title = {Detecting Malicious URLs of COVID-19 Pandemic using ML technologies},
author = {Jamil Ispahany and Rafiqul Islam},
journal= {arXiv preprint arXiv:2009.09224},
year = {2020}
}