Twitter上路过式下载攻击的实时预测
社会与信息网络
2017-08-22 v1
摘要
Twitter因信息发现而广受欢迎，加之其为了节省空间（鉴于140字符限制）而自动缩短URL，这为网络犯罪分子提供了在推文中混淆恶意网页URL的机会。一旦URL被混淆，犯罪分子便可用诱人的文字和图片引诱用户点击，进而通过恶意Web服务器实施网络攻击。这就是所谓的路过式下载。在路过式下载攻击中，用户的计算机系统在与恶意端点交互时即被感染，而用户往往对此毫不知情，攻击便已发生。攻击者可通过利用未修补的系统漏洞来控制系统，这种攻击形式目前是最常用的手段之一。本文利用机器活动数据和推文元数据构建了一个机器学习模型，其目标不仅是事后将这些URL分类为恶意，而是要在与URL交互仅1秒时，就能预测某个URL将是恶意的，其F值达到99.2%（使用10折交叉验证）和83.98%（使用未见过的测试集）。这为在攻击完成前切断与服务器的连接、主动阻断并预防攻击，而非事后响应和修复提供了基础。
引用
@article{arxiv.1708.05831,
title = {Real Time Prediction of Drive by Download Attacks on Twitter},
author = {Amir Javed and Pete Burnap and Omer Rana},
journal= {arXiv preprint arXiv:1708.05831},
year = {2017}
}
备注
17 pages