PhishAri：Twitter 上的自动实时钓鱼检测
摘要
随着在线社交媒体的出现，钓鱼者开始利用 Twitter、Facebook 和 Foursquare 等社交网络传播钓鱼诈骗。Twitter 是一个极其流行的微博客网络，用户在此发布称为推文 (tweets) 的 140 字符短消息。它拥有超过 1 亿活跃用户，每天发布约 2 亿条推文。由于这种巨大的信息传播能力，钓鱼者已开始将 Twitter 作为传播钓鱼的媒介。此外，由于钓鱼链接在网络中迅速传播、内容篇幅短小以及使用 URL 混淆技术缩短网址，在 Twitter 上检测钓鱼比在电子邮件中更为困难。我们的技术 PhishAri 可实时检测 Twitter 上的钓鱼行为。我们结合 Twitter 特有特征与 URL 特征，来判断带有 URL 的推文是否为钓鱼推文。我们使用的一些 Twitter 特有特征包括推文内容及其特性（如长度、话题标签和提及）。其他使用的 Twitter 特征包括发布推文的 Twitter 用户特征，如账户年龄、推文数量以及粉丝 - 关注比。这些 Twitter 特有特征与基于 URL 的特征相结合，被证明是检测钓鱼推文的强有力机制。我们使用机器学习分类技术，检测钓鱼推文的准确率达到 92.52%。我们通过提供易于使用的 Chrome 浏览器扩展程序，将系统部署给终端用户，该扩展程序可实时运行并将推文分类为钓鱼或安全。我们表明，我们能够以高准确率在零时刻检测钓鱼推文，这比公共黑名单以及 Twitter 自身的恶意内容检测机制要快得多。据我们所知，这是首个用于检测 Twitter 钓鱼的实时、全面且可用的系统。
引用
@article{arxiv.1301.6899,
title = {PhishAri: Automatic Realtime Phishing Detection on Twitter},
author = {Anupama Aggarwal and Ashwin Rajadesingan and Ponnurangam Kumaraguru},
journal= {arXiv preprint arXiv:1301.6899},
year = {2013}
}
备注
Best Paper Award at APWG eCRS 2012, #phishing #Twitter #realtime-detection #usable #end-user-tool