基于机器学习技术的通用社会工程攻击威胁检测
密码学与安全
2022-03-18 v2 机器学习
摘要
本文探讨使用机器学习（ML）技术对通用社会工程（SE）攻击进行威胁检测，而非聚焦于或局限于某一特定SE攻击类型（如邮件钓鱼）。首先，本文从先前的知识图谱（KG）中处理并获取更多SE威胁数据，进而提取不同威胁特征并生成对应于三种不同特征组合的新数据集。最后，使用三个数据集分别创建并训练9类ML模型，通过27个威胁检测器与270次实验对其性能进行比较分析。实验结果与分析表明：1）ML技术用于检测通用SE攻击是可行的，且部分ML模型相当有效；基于ML的SE威胁检测与基于KG的方法互补；2）所生成数据集可用，且先前工作提出的SE领域本体可剖析SE攻击并提取SE威胁特征，可作为未来研究的数据模型。此外，还讨论了关于不同ML检测器与数据集特征的更多结论与分析。
引用
@article{arxiv.2203.07933,
title = {Threat Detection for General Social Engineering Attack Using Machine Learning Techniques},
author = {Zuoguang Wang and Yimo Ren and Hongsong Zhu and Limin Sun},
journal= {arXiv preprint arXiv:2203.07933},
year = {2022}
}