草堆寻钓：基于证书透明日志的钓鱼分类流水线

当前流行的钓鱼防护技术主要使用被动式拦截名单，这在受害者不受保护的期间为攻击者留下了一个“机会窗口”。一种缩短该窗口的可能方法是通过监控证书透明（Certificate Transparency, CT）日志，在网站准备阶段更早地检测钓鱼攻击。此前已有利用 CT 日志数据进行钓鱼分类的尝试，但它们缺乏对真实 CT 日志数据的评估。在本文中，我们提出了一个流水线，通过解决处理 CT 日志数据时的若干问题来促进此类评估。该流水线包括数据集创建、训练，以及对 CT 日志的过去或实时分类。其模块化结构使得可以轻松替换分类器或验证源，以支持真值标注工作和分类器比较。我们在若干新颖及已有分类器上测试了该流水线，并发现未来针对该场景改进分类器的普遍潜力。我们随本文发布了该流水线的源代码及所用数据集（https://gitlab.com/rwth-itsec/ctl-pipeline），从而使该方向的未来研究更易开展。