为网络欺骗建模具有多个接收者的直接消息网络
密码学与安全
2022-11-28 v2 机器学习
摘要
网络欺骗正作为一种有前景的方法兴起，用于防御网络和系统免受攻击者与数据窃取者的侵害。然而，尽管部署相对廉价，但由于丰富的交互式欺骗技术很大程度上是手工打造的，大规模生成逼真内容成本极高。随着机器学习的最新进展，我们现在有机会为创建逼真且诱人的模拟内容带来规模与自动化。在这项工作中，我们提出一个框架，用于大规模自动化生成电子邮件和即时消息风格群组通信。组织内的此类消息平台在私有通信和文档附件中包含大量有价值信息，使其成为对手诱人的目标。我们解决模拟此类系统的两个关键方面：建模参与者何时以及与谁通信，以及生成主题性的多方文本以填充模拟对话线程。我们提出 LogNormMix-Net 时序点过程（Temporal Point Process）作为前者的方法，基于 Shchur 等人的无强度建模方法，构建用于单播与多播通信的生成模型。我们展示了使用微调的预训练语言模型生成令人信服的多方对话线程。通过将我们的 LogNormMix-Net TPP（用于生成通信时间戳、发送者与接收者）与生成多方电子邮件线程内容的语言模型相结合，模拟了一个实时电子邮件服务器。我们针对若干基于真实性的属性评估生成内容，这些属性鼓励模型学习生成能够吸引对手注意力以实现欺骗结果的内容。
引用
@article{arxiv.2111.11932,
title = {Modelling Direct Messaging Networks with Multiple Recipients for Cyber Deception},
author = {Kristen Moore and Cody J. Christopher and David Liebowitz and Surya Nepal and Renee Selvey},
journal= {arXiv preprint arXiv:2111.11932},
year = {2022}
}