Phish-IRIS：一种基于紧凑视觉描述子的钓鱼网页品牌视觉预测新方法
密码学与安全
2019-05-21 v1
摘要
钓鱼是一种持续增长的网络威胁，旨在通过呈现模仿合法目标的伪造网页来骗取无辜用户的凭据。迄今为止，人们已做出多种尝试以检测钓鱼页面。在本研究中，我们将钓鱼网页识别问题视为图像分类任务，并提出一种机器学习增强的纯视觉方法，从网页截图中提取并分类紧凑视觉特征。为此，我们采用了若干 MPEG7 及类 MPEG7 紧凑视觉描述子（SCD、CLD、CEDD、FCTH 与 JCD）以揭示基于颜色与边缘的判别性视觉线索。在整个特征提取过程中，我们遵循两种不同方案：以“整体”方式处理整张截图，或以相等大小的“块”构建由粗到细的“金字塔”表示。此外，针对图像分类任务，我们构建了基于 SVM 与随机森林的机器学习模型。为评估所提方法的性能与泛化能力，我们收集了一个中等规模语料库，涵盖 14 个不同品牌、涉及 2852 个样本。根据实验，我们的方法通过 SCD 取得了高达 90.5% 的 F1 分数。结果表明，相较于其他研究，所提方法提供了一种轻量级框架，具备有竞争力的准确率以及更优的特征提取与推断速度，使其可用作浏览器插件。
引用
@article{arxiv.1905.07767,
title = {Phish-IRIS: A New Approach for Vision Based Brand Prediction of Phishing Web Pages via Compact Visual Descriptors},
author = {Firat Coskun Dalgic and Ahmet Selman Bozkir and Murat Aydos},
journal= {arXiv preprint arXiv:1905.07767},
year = {2019}
}
备注
2nd International Symposium on Multidisciplinary Studies and Innovation Technologies, ISMSIT 2018