改进同形异义字攻击分类
密码学与安全
2020-09-18 v1
摘要
视觉同形异义字攻击是攻击者通过利用看起来与真实域名相似的伪造域名，欺骗网络用户所访问域名的一种方式。T. Thao 等人 (IFIP SEC'19) 提出了一种同形异义字分类方法，将传统监督学习算法应用于从单字符结构相似性指数（SSIM）中提取的特征。本文旨在通过将他们的 SSIM 特征与从 N-gram 模型中提取的 199 个特征相结合，并应用先进的集成学习算法来提高分类准确率。实验结果表明，我们提出的方法甚至可以提高 1.81% 的准确率，并降低 2.15% 的假阳性率。此外，现有工作在某些特征上应用机器学习，却无法解释为什么这样做可以提高准确率。尽管准确率可以得到提升，但了解真实情况也至关重要。因此，在本文中，我们进行了误差实证分析，并获得了我们提出方法背后的一些发现。
引用
@article{arxiv.2009.08006,
title = {Improving Homograph Attack Classification},
author = {Tran Phuong Thao},
journal= {arXiv preprint arXiv:2009.08006},
year = {2020}
}